Embed Size (px)
Citation preview
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO
INSTITUTO DE ECONOMIA
MONOGRAFIA DE BACHARELADO
A qualidade das informações de Cor ou Raça na RAIS:
um estudo comparativo com o CENSO Demográfico de
2010
GUILHERME CARDOSO PORTELA CÂMARA
MATRÍCULA nº109023789
ORIENTADOR: PROF. MARCELO JORGE DE PAULA PAIXÃO.
Fevereiro 2015
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO
INSTITUTO DE ECONOMIA
MONOGRAFIA DE BACHARELADO
A qualidade das informações de Cor ou Raça na RAIS:
um estudo comparativo com o CENSO Demográfico de
2010
__________________________________________
GUILHERME CARDOSO PORTELA CÂMARA
MATRÍCULA nº 109023789
ORIENTADOR: PROF. MARCELO JORGE DE PAULA PAIXÃO.
Fevereiro 2015
As opiniões expressas neste trabalho são de exclusiva responsabilidade do autor.
AGRADECIMENTOS
Em primeiro lugar, agradeço o apoio do meu irmão Leonardo que empreendeu
minuciosa correção do texto. Agradeço também ao seu incondicional amparo e camara-
dagem. A toda a família – àqueles próximos ou distantes – um caloroso abraço.
Ao LAESER sem o qual não teria sido introduzido nessa importante agenda de
pesquisa, nem esse trabalho possível. Ao meu orientador pela pronta recepção e corre-
ção dessa monografia.
RESUMO
No presente trabalho comparamos os dados da Relação Anual de Informações
Sociais (RAIS), do Ministério do Trabalho e Emprego (MTE) e do Censo Demográfico
de 2010, do Instituto Brasileiro de Geografia e Estatística (IBGE) de modo a identificar
a presença de diferenças significativas na maneira como estas fontes de dados capturam
a informação de cor ou raça dos trabalhadores, bem como a desigualdade salarial asso-
ciada a esta variável. Executa-se uma revisão do tema, identificando como traços carac-
terísticos das diferenças metodológicas – isto é, de heteroatribuição e autoatribuição de
pertença racial – a tendência do primeiro de superestimar a população branca e a subes-
timar magnitude da discriminação racial.
A análise dos dados verifica a presença de superestimação da população branca
em algumas das regiões geográficas, mas não verifica maior discriminação racial na
RAIS em relação ao Censo demográfico. Os modelos econométricos utilizados compro-
vam diferenças estatisticamente significativas na captura da desigualdade racial entre as
duas pesquisas, além de diferenças em termos de produtividade associadas às variáveis
educacionais.
ÍNDICE
INTRODUÇÃO ............................................................................................................... 8
CAPÍTULO I – REGISTROS ADMINISTRATIVOS E PESQUISAS
AMOSTRAIS ................................................................................................................. 10
CAPÍTULO II - CARACTERIZAÇÃO DA RAIS E DIFERENÇAS COM O
CENSO .......................................................................................................................... 15
II.1 – DA RAIS E SUA ÁREA DE COBERTURA .................................................... 15
II.2 – PERÍODO DE REFERÊNCIA .......................................................................... 17
II.3 – RENDA DO TRABALHO ................................................................................. 18
II.4 – VARIÁVEL DE COR OU RAÇA .................................................................... 23
II.5 – OUTRAS CONSIDERAÇÕES .......................................................................... 29
CAPÍTULO III – DISCUSSÃO DOS DADOS QUANTITATIVOS ....................... 30
III.1 – DADOS DAS UNIDADES FEDERATIVAS .................................................. 30
III.2 – DADOS POR NÍVEL EDUCACIONAL ........................................................ 36
CAPÍTULO IV – APLICAÇÃO DE MODELOS DE EQUAÇÕES DE
SALÁRIOS .................................................................................................................... 40
IV.1 – EQUAÇÕES DE SALÁRIOS NO CENSO E RAIS ........................................ 40
IV.2 – MODELO DE EQUAÇÕES DE SALÁRIOS EM UMA AMOSTRA MISTA
...................................................................................................................................... 43
CAPÍTULO V – DECOMPOSIÇÃO DE OAXACA PARA AS EQUAÇÕES DE
SALÁRIOS .................................................................................................................... 46
V.1 – DECOMPOSIÇÃO DE OAXACA .................................................................... 46
V.2 – RESULTADOS DA DECOMPOSIÇÃO ......................................................... 47
CONCLUSÃO ............................................................................................................... 51
REFERÊNCIAS BIBILIOGRÁFICAS ...................................................................... 53
ÍNDICE DE GRÁFICOS
Gráfico 1 - Curva de Lorenz para a Renda do Trabalho/Vínculo do CENSO Demográfi-
co e da Relação Anual de Informações Sociais, Brasil, 2010 ......................................... 22
ÍNDICE DE TABELAS
Tabela 1 - Composição por UFs e distribuição por Sexo e Cor ou Raça da população
ocupada com carteira assinada por UFs. Comparação entre Censo e RAIS, 2010 ......... 31
Tabela 2 - Renda Nominal Média do trabalho por UFs e Cor ou Raça da população ocu-
pada com carteira assinada por UFs. Comparação entre Censo e RAIS, Brasil, 2010 ... 34
Tabela 3 - Composição de maior nível educacional alcançado por Sexo e Cor ou Raça
da população ocupada com carteira assinada. Comparação entre Censo e RAIS, Brasil,
2010 ................................................................................................................................. 37
Tabela 4 - Renda Nominal Média do trabalho do trabalho por maior nível educacional
alcançado, Sexo e Cor ou Raça da população ocupada com carteira assinada. Compara-
ção entre Censo e RAIS, Brasil, 2010 ............................................................................. 38
Tabela 5 - Resultados de um modelo de equações de salários minceriana por MQO.
Comparação entre Censo e RAIS, Brasil, 2010............................................................... 42
Tabela 6 - Modelo de equações de salários por MQO em uma amostra mista. Compara-
ção entre Censo e RAIS, Brasil ....................................................................................... 44
Tabela 7 - Resultados de um modelo de equações de rendimentos por MQO para quatro
populações. Censo 2010, Brasil ....................................................................................... 48
Tabela 8 - Resultados de um modelo de equações de rendimentos por MQO para quatro
populações. RAIS, 2010, Brasil ...................................................................................... 49
Tabela 9 - Resultados da decomposição de Oaxaca para três grupos em relação à popu-
lação masculina branca, em log natural e (%). Comparação entre Censo e RAIS, Brasil,
2010 ................................................................................................................................. 50
8
INTRODUÇÃO
Dados são escassos e por isso valiosos. Embora às vezes mais pareça que nos
afogamos neles, o aparecimento de novas fontes de dados representa acontecimento
excitante, abrindo perspectivas de novas descobertas e desenvolvimentos da ciência
(sendo esses ainda mais escassos). Uma oportunidade desse tipo se apresenta com a
recente liberação, sem restrição ao público, de dados da Relação Anual de Informações
Sociais – a RAIS – e, mais recentemente ainda, da variável de cor ou raça do trabalha-
dor. É claro também que fontes de dados não comprovadas não podem ser tomadas pelo
seu valor de face. Histórico de uso comprovado é igualmente valioso, e há certo aspecto
moral no uso de certas bases de dados: muito depende da autoridade e integridade das
instituições que as produzem. Não se pode esperar dos usuários conhecimento pleno da
metodologia e das condições de coleta dos dados (embora seja recomendável), meio
pelo qual poderiam tirar suas próprias conclusões sobre a adequação delas.
Destas considerações parte o propósito do presente trabalho: validar ou não a
adequação da RAIS para estudos utilizando a variável de cor ou raça. Para isso, empre-
garemos o Censo Demográfico de 2010, já que se admite a qualidade da pesquisa para
finalidades de entendimento da dinâmica do mercado de trabalho brasileiro (IBGE,
2013).
A desigualdade racial no Brasil é componente dessa dinâmica: grave fato, uma
vez que boa parte dos trabalhadores é discriminada unicamente pelas suas característi-
cas superficiais e não por mérito ou zelo no desempenho de seu emprego (HASEN-
BALG, 1979; VALLE SILVA, 1980; OLIVEIRA, PORCARO & SILVA 1983; SOA-
RES, 2000; MARTINS, 2003a, 2003b; TELLES, 2003). Dado que a redução da desi-
gualdade de renda brasileira é objetivo de políticas públicas, para alcançá-lo deve-se,
necessariamente, empregar políticas acessórias e consistentes, inclusive as de combate à
discriminação racial nas suas múltiplas formas. Daí a importância da pesquisa acadêmi-
ca e de dados concretos sobre o tema.
A resposta do problema proposto se dá em cinco capítulos mais a conclusão. No
primeiro deles, discutiremos as diferenças entre pesquisas amostrais e registros adminis-
trativos, o dilema do trade off no uso de fontes alternativas, histórico literário deste tipo
de comparação e a utilização do Censo como parâmetro de comparação.
9
No segundo capítulo trataremos, em cinco seções, das diferenças metodológicas
entre as duas pesquisas, a saber: da área de cobertura, do período de referência, da cap-
tura dos rendimentos do trabalho, da variável de cor ou raça e outras compatibilizações.
Ao fim obteremos as especificações de um corte transversal das duas pesquisas que
permitirá uma comparação mais aproximada, além de uma visão dos eventos que podem
causar incongruências no processo comparativo.
No terceiro capítulo, nos deteremos em uma discussão sobre os dados quantitati-
vos comparados, tendo em mente a revisão feita no capítulo anterior. Veremos os dados
de composição por unidades da federação e por níveis educacionais. Chegaremos, a
partir deste processo, a importantes resultados de como os dados da RAIS se desviam
em relação ao nosso parâmetro normativo.
No capítulo seguinte desenvolveremos dois modelos de equações mincerianas
clássicas a fim de isolar os efeitos das características raciais do individuo sobre a renda.
A partir disso poderemos identificar a presença de discriminação racial nas duas bases
de dados e sua magnitude. Na primeira seção serão descritos os modelos individualmen-
te produzidos para as bases e seus resultados. Na segunda, o modelo anterior será trans-
formado com o objetivo de estimar as diferenças entre as duas fontes em uma amostra
mista. Este modelo vai permitir um teste conclusivo sobre essas estimativas.
Por fim, no capítulo quinto será executado a decomposição dos modelos referi-
dos acima com base em Oaxaca (1974) e determinaremos a importância da discrimina-
ção racial e de gênero na composição da renda do trabalho. À guisa de conclusão, serão
propostos algumas recomendações e desafios.
10
CAPÍTULO I – REGISTROS ADMINISTRATIVOS E PESQUISAS AMOS-
TRAIS
O trabalho com bases de dados estatísticos e indicadores sociais raramente é
trivial. A sugestão de facilidade, oferecida pelos modernos meios computacionais e sof-
twares estatísticos dos quais dispomos, conquanto muito bem-vindos, não elimina as
decisões cruciais que dependem unicamente do pesquisador. Pois é fato: cabe ao arbítrio
dele a escolha entre fontes de informação diferentes para os mesmos objetos estudados.
A essas complicações, somam-se a escolha entre marcos teóricos diferentes e a comple-
xa relação entre a teoria e a própria observação dos fatos – pois estes também são pro-
duzidos. Para cada pesquisa, registro administrativo ou histórico, há um sem-número de
elementos a serem considerados. Por exemplo: a forma verbal das perguntas, o desenho
amostral, as ideologias inculcadas nos entrevistadores e entrevistados. Dessa forma,
considerando os custos envolvidos na coleta e produção de informações estatísticas,
sempre há deficiências e omissões. Para os mesmos objetos estudados, comparando-se
fontes de dados estatísticos intercambiáveis, os resultados frequentemente são incon-
gruentes, mas mesmo assim fidedignos. Há considerável trade off nas escolhas disponí-
veis. Quê fazer? Não há teoria que nos informe – a priori – qual a melhor decisão a ser
tomada na seleção de indicadores sociais e suas fontes alternativas (JANNUZZI, 2001).
Postas essas considerações, o caso da variável cor ou raça é bastante peculiar.
Em virtude da relativa escassez e novidade dessa variável em diversas pesquisas e regis-
tros administrativos1, a escolha entre fontes de dados estatísticos é, em muitos casos,
trivial. Sabemos que, em quase sua totalidade, as bases que amparam estudos acadêmi-
cos do tema são as pesquisas domiciliares oficiais do Instituto Brasileiro de Geografia e
Estatística (IBGE), ou seja: os Censos Demográficos decenais, a Pesquisa por Amostra
de Domicílios (PNAD) e a Pesquisa Mensal de Emprego (PME). Isso não é coincidên-
cia. Tais pesquisas são as que inquirem há mais tempo acerca dessas características2,
uma vantagem por si só no trabalho acadêmico. Essa exclusividade se manifesta clara-
mente no histórico das pesquisas de discriminação racial no mercado de trabalho brasi-
leiro. Destacamos os trabalhos pioneiros no tema: Hasenbalg (1979), Valle Silva
1 Para conferir um sumário de fontes de dados estatísticos raciais, consulte Osório (2003) e Paixão e Ros-
setto (2011). 2 Nos Censos Demográficos, com várias interrupções desde 1872, permanecendo inalterado desde 1991.
Na PNAD, aparece em categoria especial em 1976, nas demais edições desde 1987. Na PME, em sua
série atual, esteve sempre presente.
11
(1980), Oliveira, Porcaro e Silva (1983), suas continuações e outras mais recentes como
Soares (2000) e Martins (2003a, 2003b), assim como, é claro, os trabalhos do LAE-
SER3.
Essa preferência, originada no desenvolvimento histórico do sistema de infor-
mações estatísticas oficiais é, contudo, plenamente justificada. Embora confira certa
limitação sobre o escopo do trabalho acadêmico no tema da discriminação racial, as
dificuldades associadas acabam por encaminhar o pesquisador para essas pesquisas do-
miciliares oficiais. Afinal, o método de identificação étnica-racial internacionalmente
recomendado é o por autoatribuição. Em particular no Brasil, em que há maior ambi-
guidade na definição prática do que constitui raça, a única subjetividade segura de res-
postas talvez seja a dos entrevistados. A consistência de resposta entre registros admi-
nistrativos e pesquisas amostrais – adotando métodos atributivos diferentes – não é a
mesma que, por exemplo, nos Estados Unidos, onde as normas raciais são mais reifica-
das (NRC, 2004)4.
É bom esclarecer que, grosso modo, há dois tipos de fontes de dados estatísticos
que subsidiam pesquisas do mercado de trabalho brasileiro: as pesquisas amostrais e os
registros administrativos. As primeiras consistem habitualmente nas pesquisas domicili-
ares do IBGE, coletadas de uma seleção aleatória de indivíduos em um plano amostral;
o tratamento estatístico dos dados garante que a expansão da amostra represente um
retrato fiel do objeto estudado. Os registros administrativos, por sua vez, têm como um
dos seus mais importantes representantes os dados do Ministério do Trabalho e Empre-
go (MTE)5. Neste último caso, os dados são coletados mediante informação compulsó-
ria das empresas, gerando um registro cujo propósito é o de monitoramento administra-
tivo de benefícios legais aos seus empregados.
As pesquisas amostrais em domicílios permitem um conjunto rico de informa-
ções, com questionário específico executado por equipes treinadas – fato que só é possí-
vel em amostras pequenas. A depender do desenho amostral, podem possuir melhor
3 Acrônimo de Laboratório de Análises Econômicas, Históricas, Sociais e Estatísticas das Relações Raci-
ais, vinculado ao Instituto de Economia da Universidade Federal do Rio de Janeiro (IE-UFRJ). 4 Sobre o tema, Heteroatribuição e Autoatribuição de pertença, ver Telles e Lim (1998), Valle Silva
(1999) e Osório (2003). 5 A saber, a RAIS – já mencionada – e o Cadastro Geral de Empregados e Desempregados (CAGED,
MTE).
12
representatividade e confiabilidade que registros de carácter censitário, e a um custo
inferior. Por fim, essas pesquisas conseguem captar o grande contingente de trabalhado-
res não legalizados e, por isso, invisíveis às exigências legais de registro (RAMOS,
2007). São instrumentos eficientes para a apreensão da conjuntura e estrutura econômi-
ca brasileira. Seu histórico de uso chancela essa conclusão.
Ao lidarmos com o atributo de cor ou raça em registros administrativos, há uma
clara deficiência qualitativa. A dificuldade de se obter respostas coerentes nesses ques-
tionários6 resulta frequentemente em péssimos resultados de pesquisa. Por exemplo,
conta-nos Osório (2003): no SIAPE (2003), somente 40% dos funcionários preenche-
ram o quesito em seus formulários; no SIM (2000), 16% dos óbitos não registraram a
variável; no SINASC (2000), 13% dos declarados nascidos não tiveram a característica
registrada. Na RAIS de 2010, 19,2% dos vínculos empregatícios não registraram cor ou
raça (PAIXÃO E ROSSETTO, 2011). Entretanto, é importante esclarecer que, apesar
das deficiências, esses sistemas de informações estão sujeitos a considerável progresso
na captura das referidas. A introdução de meios eletrônicos de registro e orientação dis-
ciplinar dos informantes produzem efeitos sensíveis na qualidade dos dados obtidos7.
A despeito dessas considerações, o aparecimento recente de novas fontes de da-
dos estatísticos para o atributo de Cor ou Raça representa novas oportunidades e pautas
de pesquisa sobre o tema. Mesmo se, em visão superficial, as incongruências nos resul-
tados estatísticos se revelem consideráveis – conforme indica um estudo anterior (PAI-
XÃO et al., 2012) – investigações detalhadas dessas fontes estatísticas podem ser de
grande proveito. Como foi dito, a utilização de documentos diversos depende da consi-
deração do pesquisador acerca das vicissitudes e trade off oferecidos pelos instrumentos
à mão. Para tanto, esses registros administrativos possuem qualidades únicas que justifi-
cam sua adoção. Talvez o melhor argumento para seu emprego, ao menos em caráter
exploratório, é o potencial para melhorias na coleta e do tratamento dos dados. O feed-
6 É difícil inclusive em entrevistas com pessoal treinado, como relatam Piza e Rosemberg (1999).
7 Por exemplo, no ano de 2012, aproximadamente 5,6% dos óbitos registrados pelo SIM não tiveram cor
ou raça declarada. Melhorias na coleta de informações em registros administrativos podem amiúde repre-
sentar verdadeiras quebras em uma série histórica.
No caso da RAIS, os problemas de omissões nos formulários a serem declarados têm sido paulatinamente
reduzidos através dos meios eletrônicos. “Tais problemas (omissão de formulários) têm sido, a cada ano,
consideravelmente reduzidos com a recepção das declarações – desde o ano base de 2000 – apenas em
meio magnético e pela Internet; nas quais são feitas as primeiras críticas na preparação e coleta dos da-
dos” (MTE, 2014).
13
back que o pesquisador pode oferecer ao poder público em direção a tais melhorias é
valioso.
Conquanto restrito ao seu lado formal, a RAIS possui enorme potencial para a
compreensão das estruturas do mercado de trabalho brasileiro (JANNUZZI, 1994), em-
bora seja preterido por pesquisas amostrais. Em tese, se há esse potencial, haverá tam-
bém para a compreensão da discriminação racial no mercado de trabalho. Para Ária e
Cordeiro (1990), o maior atrativo dessa relação anual se dá pelo caráter censitário do
mesmo. Assim como consistência é uma qualidade desejável, o número de observações
sempre o é. Habilita pautas de pesquisa para estudos locais ou fortemente desagregados,
algo impossível de se atingir em pesquisas como a PNAD sem incorrer em considerável
perda de significância estatística. Aquilo que Goldberger (1991) definiu jocosamente
como “micronumerosidade” não é empecilho, permitindo que o pesquisador não aban-
done resultados ou opere tratamento excessivo destes.
Em conjunto com a possibilidade de se trabalhar com uma quantidade extensa de
categorias ocupacionais e setoriais por meio dos códigos da CBO e CNAE, julga-se que
a RAIS pode ser de grande utilidade para as pesquisas pautadas em teses consensuais de
“racismo à brasileira” (TELLES, 2003). Quer dizer, hipóteses sobre a existência de bar-
reiras à ascensão ocupacional de populações pretas e pardas no Brasil, assim como de
discriminação crescente em níveis sociais superiores (SOARES, 2000; CORSEUIL E
COELHO, 2002), podem ser livremente testadas (se a qualidade dos dados for verificá-
vel). Isto é especialmente verdadeiro uma vez que é possível trabalhar com dados longi-
tudinais e não somente com cortes transversais. Também é possível avaliar as diferen-
ças, raramente observadas, de critérios de autoatribuição de pertença e heteroatribuição
para atributos raciais.
A literatura sobre o tema da comparação entre a RAIS e as pesquisas amostrais
do IBGE é escassa, mas suficiente. Empregando a variável cor ou raça, somente Paixão
et al. (2012) o fizeram, mas sem acesso robusto dos microdados. De Negri et al. (2001)
e Corseuil e Santos (2002), compartilhando de métodos semelhantes e em comparação
com a PNAD, observaram que haviam algumas semelhanças nos dados e nos preços
salariais implícitos para os parâmetros de dummies de sexo, idade e região geográfica
(obtidos por meio de MQO e bootstraping), ao passo que os parâmetros das variáveis de
14
dummies educacionais apresentavam diferenças consideráveis. A distribuição de renda
era semelhante, observável através dos coeficientes de variação e da composição dos
grupos de faixa de renda (assim, de modo pouco sofisticado).
Seguirá nesta monografia uma análise comparativa nos moldes desses trabalhos.
Contudo, desta vez serão comparados os dados da RAIS com os do Censo Demográfico
de 2010. Apesar do caráter anual da RAIS e sua afinidade natural com a PNAD, apro-
veitaremos a proximidade deste trabalho com outros do LAESER utilizando os dados
do Censo Demográfico. Afinal, queremos produzir um critério permanente pelo qual se
possa julgar a validade dos dados da RAIS. O Censo, com seu amplo tamanho de amos-
tra, possui características únicas na distribuição de renda, além de um desenho amostral
menos enviesado que o da PNAD (SOUZA, 2013). Assim, na comparação nacional e
entre unidades federativas – em especial nas menores – esperamos obter resultados me-
lhores. Evitamos até agora falar das características específicas da RAIS. Essas caracte-
rísticas, como diferem do Censo de 2010 e como podem ser compatibilizadas, serão
discutidas no capítulo seguinte.
15
CAPÍTULO II – CARACTERIZAÇÃO DA RAIS E DIFERENÇAS COM O
CENSO
Neste capítulo serão discutidos aspectos metodológicos das duas bases de dados
que constituem o objeto de comparação da presente monografia: a RAIS e o Censo de
2010. Perfilam-se em sequência cinco seções: da RAIS e sua área de cobertura; o perío-
do de referência; metodologia da informação de rendimentos; a variável Cor ou Raça; e
outras considerações.
II.1 – DA RAIS E SUA ÁREA DE COBERTURA
A RAIS é um registro administrativo anual de âmbito nacional promulgado em
1975, por força do Decreto nº 76.900/75. Constitui uma fonte alternativa de dados soci-
ais e demográficos sobre o mercado de trabalho formal. As informações coletadas são
compostas dos formulários enviados ao Ministério do Trabalho e Emprego (MTE) por
todas as empresas registradas no Cadastro Nacional de Pessoas Jurídicas (CNPJ), inclu-
indo aí as repartições públicas, estatais e autarquias. Os dados dispõem de informações
do estoque e de movimentação de empregados. Em destaque, apresentam informações
sobre admissões, desligamentos, escolaridade, carga horária, rendimento, setor de ativi-
dade, código de ocupação dos empregados, tipo de vínculo, sexo, nível educacional.
Além disso, o tratamento dos dados confere à RAIS a possibilidade de desagregação
geográfica até ao nível municipal e sub-regiões de algumas metrópoles.
Januzzi (1995) afirma que diversos trabalhos, como Azevedo (1985), Sabóia e
Tolipan (1985) e Ipardes (1987), demonstram que a RAIS constitui um “retrato parcial
do mercado de trabalho” (p. 205), isto é, não representa a totalidade do mesmo. Isso se
dá em consequência, como já foi dito, do fato de lidar somente com os vínculos de tra-
balho legais, sendo excluídos ainda a informação de empregadores, sócios, cargos eleti-
vos, estagiários regidos pela Portaria MTPS nº 1.002/1967 e Lei nº 11.788/2008, além
de empregados domésticos regidos pela Lei nº 11.324/2006 (MTE, 2011; PAIXÃO et
al., 2012). Observemos que todos esses dados são, por outro lado, capturados pelos
Censos Demográficos. De fato, essa é uma grande lacuna da RAIS. Porém, para a popu-
lação estudada – isto é, formada pelos empregados com vínculo legal de trabalho –, a
cobertura da RAIS é excelente, superior a 97%. Como veremos, ela goza de uma boa
16
representatividade regional8: não há nenhuma discrepância severa em relação ao Censo
Demográfico de 2010. Corseuil e Santos (2002), em comparação com a PNAD de 1998,
constatam o mesmo. Em parte, as conclusões desses quatro primeiros trabalhos citados
são datadas e não dão conta dos imensos avanços na coleta e cobertura dos formulários
das empresas brasileiras, em especial a partir do ano de 2000, quando a coleta das in-
formações tornou-se inteiramente por meio eletrônico.
Ressalva-se que a função legal desempenhada pela RAIS é de caráter majoritari-
amente administrativo, principalmente para efetuar o controle da Lei dos 2/39, do con-
trole relativo ao FGTS e Previdência Social, para viabilização do pagamento do Abono
Salarial previsto na Constituição Federal e da composição do CNIS. Sua função, como
“um censo administrativo sobre o mercado de trabalho” (JANNUZZI, op. cit., p. 204), é
secundário ao seu papel administrativo e, dessa forma, não apresenta a mesma consis-
tência, rigor e complexidade de pesquisas amostrais sobre o mercado de trabalho brasi-
leiro. Serve como subsídio – e não como fonte oficial – aos institutos geradores de esta-
tísticas como o IBGE, DIEESE, FIESP e centrais sindicais. Algumas informações, co-
mo o registro de rendimentos, podem apresentar informações mais corretas, mas há cla-
ro trade off nesses quesitos. Reinhard (1986) apud Jannuzzi (op. cit.) coloca que a maior
vulnerabilidade que existe na RAIS afetaria acentuadamente os dados de educação – o
que é amplamente corroborado por De Negri et al. (2001) e Corseuil e Santos (2002) – e
na imputação de categorias de CBO, o que seria causado pelo desconhecimento desse
índice arcano de profissões por parte dos informantes. É possível especular sobre a natu-
reza desses desvios: a coleta de informações por heteroatribuição provavelmente afeta
as respostas, uma vez que há incentivos para empregados mentirem sobre seus currícu-
los. Além disso, as empresas declarantes podem limitar-se a declarar somente a escola-
ridade requerida pelo vínculo empregatício, deixando de fora a escolaridade real do in-
divíduo (CORSEUIL & SANTOS, 2002).
8 Admite-se, entretanto, que há perda de qualidade das informações em municípios menores e em alguns
setores econômicos, como consta da Nota Técnica MTE 093/2014: “A omissão é frequente em municí-
pios menores. Em alguns setores, percebem-se informações qualitativamente mais comprometidas que em
outros. Insere-se nesse contexto a Agricultura, a Administração Pública e a Construção Civil. Nesse sen-
tido, o MTE tem alertado para a leitura das Notas Técnicas e dos Comunicados que são divulgados, fre-
quentemente, contendo informações a respeito de situações que fogem ao padrão normal”. (MTE, 2014,
p.5) 9 Esta lei compreende os artigos 352 a 371 da CLT. Versa que ao menos dois terços dos empregados de
uma empresa devem ser nacionais, exceto para regulação específica.
17
Como dito, uma comparação entre as duas bases de dados só é possível para o
mercado de trabalho formal, incluindo-se o funcionalismo público brasileiro e excluindo
algumas categorias, principalmente empregados domésticos com carteira assinada. Con-
tudo, para as observações de cunho racial, o poder público não se manifesta sobre a va-
riável. É importante salientar que, até o momento da publicação dessa monografia, não
há instrumentos eficientes de acompanhamento do perfil racial do setor público brasilei-
ro, ou mesmo restrito a União, posto que a qualidade das informações de Cor ou Raça
no SIAPE era deveras deficiente. No momento, há propostas para a obrigatoriedade da
declaração dessa variável para o serviço público na forma do Projeto de Lei
7.720/201010
, contudo sem aprovação provável no horizonte próximo. É alarmante que,
na esteira da proliferação de leis como a 6.738/2013 (e muitas outras em esfera munici-
pal e estadual), não existam ainda mecanismos de acompanhamento dos resultados con-
cretos desses dispositivos legais. Para tais casos, o acompanhamento das políticas públi-
cas não pode ser feito nem pela PNAD, nem pelo Censo. Isto se dá, respectivamente,
por deficiências no tamanho da amostra e de questionário.
II.2 – PERÍODO DE REFERÊNCIA
Para estimar-se o estoque de trabalhadores empregados formalmente em todo o
país, o período de referência da RAIS é o do último dia do ano – 31 de dezembro. Em
qualquer comparação com pesquisas amostrais com base em um período de referência –
para o Censo, é o mês de Julho –, é necessário ancorar-se nesta data para evitar dupla
contagem. Isto porque a base da RAIS é composta por vínculos empregatícios incessan-
temente extinguidos, recriados e substituídos na dinâmica de consistente alta rotativida-
de do mercado de trabalho brasileiro. Neste sentido, a diferença no período de referên-
cia pode causar, na comparação, variações associadas a fenômenos sazonais do mercado
de trabalho. Presume-se, tal efeito sazonal é observável através de valores de salários,
de nível de emprego e horas trabalhadas maiores, enfatizando-se o efeito sobre a agro-
pecuária, determinados setores de serviços e comércio.
10
Mesmo aprovada esta lei, a coleta efetiva dos referidos dados depende de uma disciplina administrativa
e orientação (senão sanções) aos funcionários públicos e corpos administrativos para que preencham os
dados com veracidade. “Leis, leis, leis. Só faltou aquela a que se referiu Ferreira Vianna: a lei que manda-
ria pôr em execução todas as outras” (PRADO, 1928).
18
Corseuil e Santos (2002) testaram estas hipóteses utilizando os dados da PME de
1998. Constataram que o efeito sazonal de dezembro em relação a setembro pode ser, de
fato, uma explicação para parte dos diferenciais encontrados. A proporção de trabalha-
dores com baixa carga horária (menor que 12 horas semanais) aumenta de maneira sen-
sível, além de orientar levemente a composição das faixas salariais para níveis mais
concentrados nas faixas superiores. A renda média de dezembro é cerca de 10% a 15%
maior em comparação aos demais meses; porém, a maior parte deste aumento se con-
centra na população analfabeta ou que possui entre 8 e 11 anos de estudo, ao passo que
nos demais níveis educacionais os ganhos são inexistentes. Estes efeitos são, em tese,
observados para vagas temporárias criadas no fim do ano, e não devem afetar a estima-
tiva de renda média anual existente em cerca de 80% do estoque de trabalhadores do
setor privado em 31/12 na RAIS de 2010. Contudo, afetam aquelas observações referen-
tes a vínculos empregatícios criados no período que vai de agosto até dezembro. De
Negri et al. (2001) testaram a opção de remover da amostra os vínculos empregatícios
firmados entre outubro e dezembro do ano de 1998, como forma de limitar o estoque de
dezembro àqueles trabalhadores existentes empregados em setembro do mesmo ano. O
procedimento resultou em um leve aumento salarial médio, de 5,13 para 5,33 salários
mínimos - doravante s.m. - enquanto que levou a uma redução considerável no número
de observações: de aproximadamente 35 para 24,5 milhões. Igualmente, visando-se con-
trolar o efeito sazonal da RAIS, com isto a tornando mais compatível aos dados do Cen-
so demográfico, poderia se aventar a remoção, na base da do MTE, dos vínculos firma-
dos a partir de agosto. Contudo, esta alternativa revela-se arbitrária e não parece trazer
bons resultados em termos da qualidade das informações que são geradas.
II.3 – RENDA DO TRABALHO
A variável de rendimentos é a que possui maior diferença conceitual entre as
duas bases de dados e exige, por este motivo, descrição detalhada das diferenças exis-
tentes. As variáveis de renda na RAIS vêm em quatro variedades: renda média do vín-
culo, renda em dezembro e a transformação linear de ambas em salários mínimos. Para
os fins da presente análise, só nos interessa a primeira. Corseuil e Santos (2002) atribu-
em a maior parte da diferença entre os rendimentos à questão conceitual, destacando
que, na PNAD (conceitualmente semelhante ao Censo Demográfico), tais rendimentos
são líquidos de tributos e encargos. Os autores relacionam isso ao resultado de os valo-
19
res brutos dos salários na RAIS serem proporcionalmente superiores em faixas de renda
nas quais caberiam alíquotas de imposto de renda mais elevadas. Esta informação é
equivocada. Souza (2013) esclarece que o conceito utilizado na PNAD e no Censo é o
de renda monetária bruta do trabalho (aquém das recomendações internacionais), uma
vez que estas pesquisas não discriminam “rendimentos não monetários, tributos e con-
tribuições” (p. 22). Porém, deve-se ter cuidado. A reportagem de rendimentos obtidos
por entrevista é dificultosa e pode facilmente, por virtude de confusão, incluir informa-
ções de renda líquida de tributos. Contudo, o questionário é claro e não há razão para se
acreditar que uma parte expressiva dos entrevistados tenha declarado a sua renda líqui-
da.
Na verdade, a diferença média pode ser explicada pela introdução de benefícios
a serem considerados na imputação dos dados de rendimento. Souza (2013) informa que
os Censos não captam uma ampla categoria de rendimentos do trabalho, como: indeni-
zações do 13º salário, hora extra, participação nos lucros, aviso prévio, saques no FGTS,
PIS/PASEP etc. Na RAIS, pelo contrário, os rendimentos do trabalhador são reportados,
grosso modo, pelo custo às firmas. Assim, incluem-se 27 tipos de remunerações salari-
ais: 13º salário (em campo específico somente), ajuda de custo, gratificações, adicionais
por tempo de serviço, comissões, gratificações de férias, aviso-prévio, hora extra, quais-
quer outros valores sobre os quais incidam FGTS ou tributos previdenciários e outros.
Por outro lado, há 35 tipos de remunerações que não devem ser incluídas, a maior parte
delas sendo multas e direitos recebidos em função de demissões ou rescisões contratu-
ais, como benefícios de 40% do FGTS, PIS/PASEP e indenizações diversas (MTE,
2011). Repetimos: não é incluso nos rendimentos médios o décimo terceiro salário.
Com a captação dos dados por vínculos, há também dupla contagem dos trabalhadores
que possuam, eventualmente, dois ou mais vínculos empregatícios simultâneos. Nestes
termos, não é possível determinar o somatório dos pagamentos e da carga horária, con-
tribuindo para a subestimação dos salários médios (PAIXÃO et al., 2012).
Essas diferenças conceituais, no que devem ou não ser incluídos no cálculo dos
rendimentos, constituem, além das incertezas associadas às respostas dos entrevistados
ou formulários enviados pelas empresas, uma barreira intransponível para a compatibi-
lização. Em mãos dos dados da Pesquisa de Orçamentos Familiares (POF) de 2008,
Souza (2013) estima que a diferença salarial para os trabalhadores com carteira assinada
20
devido a não imputação de benefícios seja de 14%. Já Barros (2007) estima que a dife-
rença de renda do trabalho em razão dos benefícios (sem saques de FGTS e
PIS/PASEP) é de 14,7%, dos quais 10% somente em razão do 13º salário e abono de
férias. Esses resultados estão desalinhados aos encontrados em Paixão et al. (2012), para
quem a diferença de renda entre a PNAD e a RAIS da média total do Brasil no ano de
2009 é de 16,4%. Valor similar é observado nos resultados para grupos de idade e sexo
em Corseuil e Santos (2002). Em relação ao Censo de 2010, excluindo-se os casos de
renda ignorada, a diferença é de somente 9,2% (com correção monetária pelo INPC,
cerca de 5,8%) – o que parece ser coerente, uma vez que os rendimentos da RAIS não
captam o 13º salário.
Diferenças de tratamento nas variáveis de rendimento também são de considerá-
vel importância. Na RAIS, os tratamentos são relativamente poucos. Para todas as vari-
áveis, os valores são mantidos, sempre que possível nos seus valores originais, com ex-
ceção de outliers e registros inconsistentes em relação aos dos três anos anteriores. Os
outliers e os casos ignorados são corrigidos imputando-se os valores dos vínculos de
passados quando possível (MTE, 2014). Nas variáveis de renda, os casos com admis-
sões no ano corrente do registro configuram um caso especial: eles são filtrados con-
forme a CBO, mês de admissão e de desligamento. Assumirão valores iguais a zero to-
dos os casos com remuneração inferior a 0,3 salário mínimo ou que transgredirem o
limiar máximo imputado a cada grupo do filtro (DE NEGRI et al., 2001). Em função
disto, o estoque de trabalhadores celetistas em 31/12 de 2010 possui 568.769 registros
com valor zero. O valor do rendimento destes vínculos deve ser ignorado, uma vez que
não há possibilidade deles não serem remunerados na pesquisa.
Comparando os dados dos Censos Demográficos com os da PNAD, Souza
(2013) destaca que a distribuição da variável rendimento é levemente diferente em uma
pesquisa e outra. Por conta do tamanho da amostra – cerca de 50 vezes maior no Censo
–, a probabilidade de captura de rendimentos muito grandes é desproporcionalmente
maior do que na PNAD. Por essa razão, a distribuição dos rendimentos, no Censo, é
log-normal apenas até certo ponto, havendo um descolamento da distribuição no topo:
ela torna-se a partir daí uma distribuição de Pareto. Embora representem uma parcela
pequena da população, estes valores desproporcionais podem modificar consideravel-
mente os resultados de indicadores estatísticos convencionais (SOUZA, 2013). Na
21
comparação com a RAIS, isto não se manifesta como um problema, uma vez que com-
partilha a virtude de grandes números. De fato, o valor dos rendimentos nos quantis de
rendimento 99º e 999º - nos quais se pode observar a mudança no tipo de distribuição -
são um pouco maiores que os do CENSO demográfico, refletindo, em parte, os benefí-
cios que constituem porção dos rendimentos na RAIS. Portanto, as duas bases comparti-
lham o mesmo distúrbio na cauda superior da distribuição da variável log-salário, com
efeitos semelhantes sobre indicadores estatísticos. Este fato é de especial relevância no
contexto de pesquisas de desigualdade de renda; espera-se que por meio dele se revelem
resultados mais aproximados da realidade do mercado de trabalho.
Os desvios mais sérios que abatem as variáveis de rendimento no Censo de 2010
são os erros de coleta. Para ajustar estes defeitos, o IBGE, no processo de crítica dos
dados, empreendeu uma série de ajustes naqueles valores considerados anormais (atri-
buídos a erro de imputação) ou que se encontravam fora da curva. Para isto foram de-
senvolvidos métodos para detecção destes casos. Criaram-se escores com base nas pro-
priedades do domicílio, de forma a confrontar as qualidades do recinto com a renda de-
clarada pelos entrevistados. Os casos anômalos foram então imputados com valores de
doadores aleatórios por meio de hot deck com base em um filtro de uma série de variá-
veis secundárias (IBGE, 2012; 2013).
Porém, estes procedimentos não foram realizados no ano de 2010 para os casos
em que os valores declarados foram iguais a zero. De acordo com o IBGE (2012), um
total de 4,3% dos domicílios do universo apresentou rendimento com valor zero. Este
número é semelhante ao do somatório de casos com valor zero e ignorados na PNAD de
2009. De acordo com o Instituto, isto pode ser atribuído às dificuldades com o sistema
de PDA utilizado nas entrevistas, o que teria levado os usuários a imputar casos ignora-
dos como possuindo renda zero. De fato, a análise dos dados revela um perfil altamente
inconsistente desse grupo de renda: muitos desses casos seriam compostos por grupos
ocupacionais de status elevado. A despeito das tentativas bem sucedidas de corrigir esse
defeito através de um modelo logístico, uma dificuldade de caráter técnico impediu a
correção dos dados em questão, dos quais se chegou à conclusão de que continham
47,8% de casos ignorados. A causa de tal dificuldade, de acordo com o IBGE, seria que:
Ao verificar nos dados da Amostra quem eram as pessoas residentes nos domicílios apon-
tados para a imputação constatou-se que, em aproximadamente 90,0% dos casos, eram
22
pessoas não-ocupadas. Isso implicaria em uma das duas seguintes possibilidades: 1 - Im-
putar toda a parte de trabalho e rendimento destas pessoas; ou 2 – Imputar somente um
rendimento de outras fontes para estas pessoas. A opção mais factível seria a imputação
apenas de um rendimento de outras fontes. A distribuição do rendimento de outras fontes
é naturalmente diferente da distribuição dos rendimentos de trabalho. Como não há esta
separação nos dados do Universo, as distribuições de rendimento nos domicílios imputa-
dos da Amostra e do Universo seriam consideravelmente diferentes. Dadas estas restri-
ções, optou-se por não realizar a imputação de rendimento nestes domicílios e manter o
valor de rendimento zero (IBGE, 2012, p. 17-8).
Para o grupo estudado, os valores iguais a zero não são uma dificuldade para a
comparação no mercado de trabalho; o são apenas para estudos mais abrangentes com
enfoque nos domicílios. Embora os casos de rendimento do trabalho com valor igual a
zero representem 4,1% do total da PEA ocupada, os mesmos não se encontram na PEA
com carteira assinada na semana de referência (o que reforça o realismo destes dados).
Apesar de haver diferenças nos valores dos rendimentos médios do trabalho en-
tre as duas pesquisas – diferenças estas que podemos atribuir à dessemelhança dos con-
ceitos empregados –, os resultados obtidos para o Índice de Desigualdade de Gini são
surpreendentes. O valor estimado é de 0,4374 para a RAIS e de 0,4328 para o Censo de
2010. Esta semelhança parece constituir um índice eloquente que permite conjecturar
que, de fato, as duas pesquisas são bastante comparáveis estruturalmente. Abaixo, a
representação da Curva de Lorenz para estes Índices que, conforme é possível notar se
revelam praticamente idênticos:
0
10
20
30
40
50
60
70
80
90
100
0 20 40 60 80 100
Po
rcen
tagem
da
Ren
da
Acu
mu
lad
a
Porcentagem da População Acumulada
Gráfico 1 - Curva de Lorenz para a Renda do Trabalho/Vínculo do
Censo Demográfico e RAIS, Brasil, 2010.
Censo 2010 Rais 2010 Igualdade
Fonte: Elaboração própria. Microdados Censo Demográfico 2010, IBGE; Relação Anual de Informações Sociais 2010, MTE.
23
II.4 – VARIÁVEL DE COR OU RAÇA
A variável Cor ou Raça foi introduzida nas bases de dados do MTE através da
portaria nº 1.740/1999 e implementada no ano seguinte. Até recentemente, seu acesso
era restrito apenas aos usuários autorizados; contudo, atualmente os dados referentes aos
anos de 2007 a 2013 são de domínio público. Embora a portaria citada oriente, explici-
tamente, o uso da categoria de raça/cor conforme a classificação utilizada pelo IBGE e,
implicitamente, a ordem dos questionários utilizados pelo instituto, esses critérios não
foram adotados nas pesquisas do MTE. A título de esclarecimento, a ordenação da cate-
goria em questão empregada pelo IBGE é:
I – branca;
II – preta;
III – amarela;
IV – parda, e
V – indígena (MTE, 1999).
Do que consta nos questionários, as categorias disponíveis aos usuários são as do
IBGE, dispostas em ordem diferente e com um acréscimo no final:
1. Indígena – para a pessoa que se enquadrar como indígena ou índia.
2. Branca – para a pessoa que se enquadrar como branca.
4. Preta – para a pessoa que se enquadrar como preta.
6. Amarela – para a pessoa que se enquadrar como de raça amarela (de origem japonesa,
chinesa, coreana, etc.).
8. Parda – para a pessoa que se enquadrar como parda ou se declarar como mulata, ca-
bocla, cafuza, mameluca ou mestiça de preto com pessoa de outra cor ou raça.
9. Não informado (MTE, 2011).
Não é possível avaliar as diferenças causadas pela ordem diferente dos questio-
nários, mas é provável que não sejam negligenciáveis. Como destaca Paixão et al.
(2012), nem mesmo o padrão parece ter um critério lógico. O acréscimo da categoria
“não informado” também é um problema grave, apesar de ser, aparentemente, uma con-
cessão às deficiências na forma de coleta destes registros. Sugere-se uma alteração sim-
ples, mas talvez com resultados modestos: a correção da ordem do quesito posterior-
mente.
Contudo, a maior diferença que há entre as duas pesquisas é aquela que pode ser
atribuída ao informante. Nas pesquisas domiciliares, são entrevistados os seus mem-
bros; na ausência de um deles, um dos presentes relata as informações do ausente e o
mesmo ocorre para indivíduos incapazes de oferecer respostas. Embora nestes processos
24
de entrevista haja uma grande mistura entre informações primárias e de terceiros, elas
são proferidas por membros do domicilio, ou seja, indivíduos que compartilham a mes-
ma cultura domiciliar e que, portanto, podem oferecer informações relativamente preci-
sas sobre os ausentes (OSÓRIO, 2003). Assim, no Censo Demográfico, como em tantas
outras pesquisas, o método de declaração de Cor ou Raça é o da autoatribuição – méto-
do este mais recomendado para questionários sobre o tema.
Na RAIS, pelo contrário, o método é heteroatributivo – isto é, a prestação das
informações é feita por terceiros. Não há como generalizar a experiência de declaração
dos usuários do sistema RAIS. É certo que é feita, amiúde, na ausência de prestação de
informações pelos próprios empregados, variando sensivelmente entre as firmas decla-
rantes. Mesmo sendo recomendada a declaração por parte das empresas, esses dados são
obtidos com frequência pela matriz, impondo severo grau de separação entre o infor-
mante e seu objeto.
Há um conjunto grande de trabalhos sobre o tema dos dois métodos – autoatri-
buição e heteroatribuição –, ressalvando-se que, neste caso, os informantes das observa-
ções da RAIS não possuem (presume-se) treinamento formal11
para a condução das en-
trevistas com os funcionários – isto, se elas de fato ocorrerem. Assim como há um gran-
de corpo de trabalhos acadêmicos sobre o tema, não há consenso sobre os benefícios de
um método ou outro. Contudo, há alguns resultados concretos observados em diversas
pesquisas comparativas entre autoatribuição e heteroatribuição que merecem ser consi-
derados. Osório (2003), ao fazer um resumo da discussão, destaca que os resultados
obtidos por heteroatribuição causam, de forma consistente, um desvio para o “embran-
quecimento” do perfil fenotípico-racial da população pesquisada (ao invés de um “em-
pretecimento”). Parte considerável dos casos era contestada: implicavam um conflito de
ideias entre entrevistadores e entrevistados, com os primeiros atribuindo a categoria
“branca” para ao menos 70% desses casos discordantes. Sobre as causas de tal fenôme-
no, Osório (2003) explora certos traços do comportamento presumido dos entrevistado-
res para além das honestas dificuldades em categorizar casos limítrofes:
11
É importante lembrar que o treinamento de recenseadores é geralmente insuficiente. São necessários
muitos temporários e novatos para a condução do recenseamento, afetando a qualidade e minúcia das
entrevistas. Serão eles melhores que os burocratas das empresas que declaram RAIS?
25
Considerando que mencionar a cor das pessoas pode ser visto como uma atitude
pouco polida, o embranquecimento poderia ser interpretado como uma “conces-
são” dos entrevistadores aos entrevistados: se quanto mais preto pior, ver o pre-
to como pardo e o pardo como branco torna-se uma “gentileza” à luz da ideolo-
gia racial (OSÓRIO, 2003, p. 17).
Ironicamente, neste sentido talvez as próprias entrevistas dos Censos Demográ-
ficos sejam muito semelhantes aos procedimentos heteroatributivos. Relatam Piza e
Rosemberg (1999) acerca da experiência de entrevistadores durante o Censo de 1991:
Na entrevista nº1, o pesquisador relata que, embora o procedimento estipulado pelo IB-
GE durante o treinamento tenha sido o de perguntar a cor da população e registrar a res-
posta da cor auto-atribuída, o pesquisador atribuiu a cor quando: 1) o entrevistado lhe
pareceu ser branco; 2) a etiqueta de relacionamento exigiu (como procedimento mais
educado) que ele não perguntasse a cor; 3) a automação da entrevista e o cansaço aca-
bavam por abreviar o procedimento de coleta – “[…] no décimo questionário do dia vo-
cê já não perguntava mais”; 4) só perguntava a cor se o entrevistado fosse negro (signi-
ficando de cor preta) – “Mas, quando era negro, eu sempre perguntava, porque na ins-
trução tinha muito esse cuidado de enfatizar: Olha, se o cara for negro e falar que é
branco, você tinha que pôr” (PIZA & ROSEMBERG, 1999, p. 132).
Não é difícil concluir que os dois procedimentos são enviesados pelas dificulda-
des práticas do registro dessas informações. É certo que, apesar do declarante/declarado,
os dados contêm em grande monta os hábitos e preconceitos dos entrevistadores – mais
que dos entrevistados.
Para Telles e Lim (1998), os dados obtidos por meio de heteroatribuição de per-
tença são superiores na medida em que indicam uma profundidade maior de desigualda-
des sociais entre os grupos de cor ou raça. Pois, segundo os autores, a discriminação
racial de outrem é, no âmbito do mercado de trabalho, um fator mais poderoso que os
efeitos internalizados pelo preconceito racial. Valle Silva (1999) chega a conclusões
semelhantes ao refletir sobre o efeito que o nível social do individuo tem sobre a respos-
ta de cor ou raça. Na hipótese de a pesquisa ser conduzida por pessoal treinado, seria
possível eliminar este viés. Osório (2003), por sua vez, conclui mais sensatamente que,
em primeiro lugar, somente com um “conjunto imaginário de observadores perfeitos”
(p. 13-4) poder-se-ia dar um julgamento unânime para cada indivíduo pesquisado. E, em
segundo lugar, a escolha entre as duas opções reflete somente a escolha entre duas sub-
jetividades – a do sujeito ou a do observador. Não obstante essas considerações, pode-
mos chegar a alguns fatos estilizados importantes para a comparação: em tese, a hetero-
atribuição realizaria uma embranquecimento da população (aglutinando casos limítrofes
26
entre os fenótipos de cor junto à categoria “branca”) e tenderia a acirrar as desigualda-
des de renda.
É fato que, independentemente do método utilizado, a discriminação racial é
detectada tanto pela autoatribuição quanto pela heteroatribuição. Em oposição a Telles e
Lim (1998) e Valle Silva (1999), Osório (2003) atribui um resultado mais racional à
autoatribuição. Segue simplificadamente o raciocínio: se é verdade que a brancura é
positivamente estimada na ideologia racial brasileira (e o inverso ocorre com a preti-
dão), então haveria uma tendência que entrevistadores treinados atribuíssem um perfil
mais negro que no caso da autoatribuição. Entretanto, isto não apenas não acontece co-
mo a divergência é, aparentemente, tão mais grave quanto melhor o treinamento. Logo,
há uma veracidade maior nos dados obtidos por autodeclaração, já que implicam em
uma avaliação mais negativa de si. Contudo, podemos argumentar que essas considera-
ções presumem um comportamento racional (utilitário) para o que pode não o ser na
prática. Desta maneira, até mesmo essas considerações podem ser contestadas.
Alguns dos resultados de estudos mais recentes parecem indicar a persistência
destes fenômenos. É particularmente interessante o caso da pesquisa elaborada pelo
IBGE “Características étnico-raciais da população” (PCERP, 2008). Chama a atenção o
fato de que os entrevistadores “não receberam nenhum tipo de instrução nem foram
orientados sobre como preencher este quesito (classificação de cor ou raça)”, quando
suscitados a atribuir classificação de cor ou raça aos entrevistados (IBGE, 2011, p. 31).
Assim, embora procedesse a pesquisar a cor ou raça do entrevistado conforme categori-
as abertas12
permite uma visão aproximada dos desvios contidos entre os dois métodos
de entrevista, sem desvios associados ao treinamento especializado de entrevistadores.
Para todas as regiões pesquisadas há uma forte tendência à heteroclassificação13
atribuir
um perfil populacional mais branco. Por exemplo, no caso do Rio Grande do Sul, há
uma diferença de 12,5 pontos percentuais na população branca. A concordância entre
entrevistadores e entrevistados é de 92,8% para esse Estado, e 90,6% para o Brasil.
Contudo, é significativamente menor nas demais classificações em função da multipli-
cidade de categorias que, presume-se, indicam população parda (para o qual há concor-
12
Fora as categorias habitualmente utilizadas pelo IBGE, há também respostas com as classificações
“morena”, “negra” e “outras”. Conferir tabelas 2.9 e 2.10 (p. 42-43). 13
Conforme denominação utilizada na pesquisa citada acima.
27
dância de somente 54,2% para o país). Estes resultados são significativos, pois, como
será visto, não se confirmam para todas as Unidades Federativas na RAIS.
Finalmente, devemos destacar os resultados de outras duas pesquisas significati-
vas realizadas com bases de dados originais sobre o tema: a primeira é a PESB 2002,
sobre a qual Bailey, Loveman e Muniz (2013) fazem uma análise estatística original; a
segunda é do PERLA14
, com dados inéditos obtidos através de entrevista com uso assis-
tencial de paletas de cores para identificação dos grupos de cor ou raça. Estes dados
foram discutidos por Silva e Paixão (2014) no livro Pigmentocracies.
Bailey, Loveman e Muniz (2013) se preocupam em esclarecer – ao testar as vá-
rias formas classificatórias –, que a opção de classificação (incluindo formas binárias de
identificação) empregada é apenas uma das dimensões de um constructo multifaceta-
do/dimensional que é a característica étnico-racial de um indivíduo. O propósito explíci-
to de identificar qual é a forma mais precisa significa incorrer em um desvio ou erro de
percurso – desautorizando em parte o propósito desse trabalho. Advogam simplesmente
o uso frequente de formas classificatórias das mais diversas possíveis (contudo negli-
genciando as dificuldades técnicas e políticas disso). Na análise de regressão quantil-
simultânea (KOENKER & BASSET, 1978) utilizada, encontram que no formato censi-
tário e heteroatributivo, para todos os decis de renda média horária a relação entre os
salários da população preta para com a branca é inferior aos encontrados por métodos
autoatributivos, mas não é o caso da parda.
No caso do uso de um modelo binário – isto é, que coteja somente as categorias
preta e branca –, verifica-se uma maior desigualdade de renda em todos os casos quando
o método empregado é o de heteroatribuição. Isto sugere que a hipótese de Telles e Lim
(1998) é verdadeira, ou seja, de que a percepção direta de terceiros é fundamental na
identificação racial dos indivíduos, e fonte substancial de discriminação no mercado de
trabalho (BAILEY, LOVEMAN & MUNIZ, 2013). Por fim, os autores identificam ha-
ver de fato uma preferência pela identificação branca para a população parda, quando os
entrevistados são forçados a escolher apenas por categorias binárias – reforçando assim
algumas das teorias de ideologia racial discutidas. Porém, vale ressaltar que a PESB
2002 difere significativamente das demais pesquisas em uma característica: não se ob-
14
Acrônimo para The Project on Ethnicity and Race in Latin America, Universidade de Princeton.
28
serva, nesta base de dados, o processo de embranquecimento. Na verdade, enquanto que
no formato censitário por autoatribuição, 52,2% da amostra se declara branca, por hete-
roatribuição este valor é de 49,1%.
Os dados do PERLA, esmiuçados por Silva e Paixão (2014), dos trabalhos cita-
dos nesta seção, apresentam a maior concordância entre os métodos classificatórios con-
forme as categorias do IBGE: em torno de 84% para pretos, pardos e brancos. Similar-
mente, as metodologias de classificação baseadas no matiz de cor de pele e outros traços
fenotípicos mantêm uma forte relação entre essas categorias censitárias. Mesmo haven-
do grande concordância entre os diferentes métodos heteroatributivos e autoatributivos,
quando os mesmos são comparados as médias de anos de estudo – que podem ser utili-
zadas como proxy de renda – os primeiros mostraram mais fortemente uma relação line-
ar entre a presença de fenótipos brancos e uma média superior para o indicador. O in-
verso ocorre para fenótipos mais escuros. Estes resultados, assim como os apresentados
por Bailey, Loveman e Muniz (2013), parecem concordar novamente com Telles e Lim
(1998). Porém, uma vez que só se tem em mãos os indicadores de média de anos de
estudo, estas observações não constituem resultado forte e, conforme admitem os auto-
res, não são suficientes para aplacar as pautas de pesquisa que não atribuem centralidade
ao papel da discriminação racial nas desigualdades de renda (SILVA & PAIXÃO 2014).
Quais fatos estilizados importantes podem ser derivados desta revisão sobre o
tema da heteroatribuição e autoatribuição? Mais uma vez, não há consenso. O resultado
mais forte a ser esperado é a tendência ao embranquecimento, isto é, a uma composição
maior de população branca pelo método de heteroatribuição. O segundo e mais conten-
cioso resultado é a possibilidade de detectar maior discriminação racial de renda no
mercado de trabalho. A observação simultânea (ou não) destes dois fatos pode servir
como importante ponto de partida para a produção de mais trabalhos sobre o tema – em
especial para aqueles de cunho sociológico; o teste para teorias como o da “válvula de
escape do mulato” (DEGLER, 1971), a importância de aspectos sociais e de classe mais
básicos sobre discriminação racial etc. Não é o propósito deste trabalho a análise dessa
discussão, porém os fatos aludidos serão testados.
29
II.5 – OUTRAS CONSIDERAÇÕES
Embora os modelos econométricos favoreçam o uso de renda média horária, não
é possível executa-los de tal modo: na RAIS não são imputadas as horas efetivamente
trabalhadas, mas sim as horas contratadas; já no Censo, é justamente o contrário. Desta
forma, são subestimadas na RAIS em comparação ao Censo e podem, assim, provocar
desvios ainda maiores na comparação da renda auferida.
As variáveis de educação podem ser livremente manipuladas no Censo de 2010
e não representam problema de compatibilização com a RAIS. Mas, como já foi dito, há
diferenças significativas associadas com as divergências de método de atribuição, mes-
mo que formalmente os grupos formados sejam idênticos. Os resultados empíricos
constatam essa diferença na composição dos grupos educacionais, podendo, neste senti-
do, provocar dificuldades em modelos baseados na teoria do capital humano.
Recapitulando: as compatibilizações podem ser feitas com um mínimo de inter-
ferência, se restringem ao grupo estudado e à eliminação de casos de renda ignorada ou
igual a zero. Optou-se por manter no estudo os casos de cor não informada, já que: (1)
estão levemente acima do nível de 5%; e (2) não há certeza se a omissão dos casos é um
fenômeno aleatório ou não. Consideramos que eles constituem, por si só, um fenômeno
importante a ser estudado. É perfeitamente possível imputar o valor de doadores a casos
sem informações. Por limitação de software, ficamos restritos à imputação através de
um modelo de regressão linear, o que entra em conflito com os propósitos do trabalho.
O mais desejável seria um filtro especializado que permitisse a imputação de doadores
aleatórios dentro dos grupos para a eventualidade desses erros não serem aleatórios (hot
deck).
As análises que seguem partirão de um sistema binário de cor, isto é, serão utili-
zados somente os grupos “brancos” e “pretos e pardos”15
. Isto se dá a partir do entendi-
mento compartilhado de Valle Silva (1980) de que não há diferenças significativas entre
os componentes do último grupo dentro do mercado de trabalho.
15
Contudo não se deve desprezar a análise de modelos trinários. Por exemplo, Bailey, Loveman e Muniz
(2013) encontram diferenças nos rendimentos das duas populações, isto é a de pretos e pardos conforme a
metodologia utilizada. A opção por um modelo binário reflete a sua maior facilidade de uso e espera-se -
considerando que as diferença entre pretos e pardos são menores que desses em relação aos de brancos -
que a adoção de um modelo e outro não afete significativamente os resultados encontrados. Daí a opção,
que se reconhece sempre passível de crítica, de seguir Valle Silva (1980) e utilizar o modelo binário.
30
CAPÍTULO III – DISCUSSÃO DOS DADOS QUANTITATIVOS
Com o auxílio de tabelas, o presente capítulo trata de comparar, preliminarmen-
te, os dados da RAIS e do CENSO de 2010, sendo dividido por duas seções: a primeira
para a discussão dos dados por Unidades da Federação e a segunda conforme o nível
educacional da população.
III.1 – DADOS DAS UNIDADES FEDERATIVAS.
Na tabela abaixo16, encontram-se dados sobre a composição da população emprega-
da com carteira assinada nas Unidades Federativas e da distribuição conforme sexo e cor ou
raça. As colunas com os dados das UFs e de gênero permitem avistar como são retratadas,
nas duas fontes de dados – com as divergências metodológicas discutidas –, perguntas sim-
ples e definitivamente objetivas, sobre as quais não pesa as dificuldades sociológicas men-
cionadas. Como pode ser visto, não há diferenças significativas na composição da popula-
ção dos Estados. Em termos relativos, alguns dos menores apresentam certa incongruência.
O mesmo ocorre no caso de São Paulo, que possui 30,07% da população ocupada com car-
teira segundo o Censo, mas 32,31% segundo a RAIS em 2010. Isso se dá possivelmente em
função de pequenos erros associados à expansão da amostra, além dos efeitos da subdecla-
ração na RAIS. A diferença constatada entre a distribuição da população de sexo feminino
ocupada é pequena, de 1,04 ponto percentual. A diferença é maior no Nordeste, sensível em
2,42 pontos percentuais.
A coluna com a distribuição dos casos de cor ou raça não declarados na RAIS mos-
tra decididamente um comportamento não aleatório. Este valor varia entre 3,38% no Rio de
Janeiro e até 17,65% no Acre. Estados pouco desenvolvidos (isto é, com PIB per capita
inferior), como Roraima, podem apresentar um total de 10,74% de casos ignorados; simi-
larmente, Santa Catarina, com maior nível de desenvolvimento, exibe proporção ainda mai-
or: 11,35%. A partir disso, pode-se concluir que não há relação direta clara entre uma maior
cobertura e facilidade de acesso sobre a proporção de casos não declarados. O total destes
últimos é de 5,14%. De fato, no curso da presente pesquisa, se identificou que a variável de
maior correlação com os casos não declarados é justamente o de região geográfica (seção
IV.1).
16
Não seremos detidos por descrições minuciosas dos dados; apenas pelas tendências mais significativas,
face aos fatos estilizados que procuramos explicar. Para tanto se inclui as tabelas com seus valores inte-
grais.
31
Tabela 1
Composição por UFs e distribuição por Sexo e Cor ou Raça da população ocupada com
carteira assinada por UFs. Comparação entre Censo e RAIS, 2010.
CENSO RAIS
Distribuição
CENSO* RAIS Diferença
Composição Fem (%)
Branco (a)
Preto e Pardo
(b)
Fem (%)
Branco (c)
Preto e Pardo
(d)
Cor ou raça Não Decl.
(a-c) (b-d)
100 100 BRASIL 38,58 53,58 45,19 37,54 59,71 34,19 5,14 -6,13 11,00
4,69 4,31 Norte 34,64 27,64 70,68 32,93 23,70 68,86 5,88 3,94 1,82
0,68 0,64
Rondônia 37,00 35,42 62,54 33,40 33,33 56,63 7,87 2,09 5,91
0,26 0,19
Acre 41,07 26,45 71,27 37,35 17,83 63,25 17,65 8,62 8,02
1,13 1,08
Amazonas 36,98 26,90 71,40 35,73 20,78 73,49 3,82 6,12 -2,09
0,12 0,11
Roraima 42,17 25,47 70,79 40,14 24,13 63,91 10,74 1,35 6,88
1,86 1,76
Pará 31,20 25,74 73,08 30,04 22,75 72,35 3,78 2,98 0,73
0,22 0,17
Amapá 38,57 27,47 71,11 38,22 17,48 73,07 8,68 10,00 -1,96
0,42 0,35
Tocantins 31,56 27,06 70,58 30,72 25,97 62,17 9,63 1,09 8,40
16,90 15,80 Nordeste 36,21 31,58 66,90 33,79 27,96 64,18 6,53 3,61 2,72
1,33 1,10
Maranhão 31,65 27,69 70,84 30,53 24,26 69,68 4,40 3,43 1,16
0,80 0,67
Piauí 34,95 27,30 70,47 34,65 18,76 73,54 6,26 8,53 -3,06
2,81 2,72
Ceará 39,10 34,80 63,69 37,84 27,66 66,50 4,28 7,14 -2,81
1,22 1,08
Rio Grande do Norte 38,23 43,33 55,49 34,57 35,79 47,45 15,47 7,54 8,04
1,03 0,92
Paraíba 34,73 41,78 56,46 30,76 43,48 49,66 5,10 -1,70 6,79
3,12 3,29
Pernambuco 35,29 38,69 59,99 33,10 39,27 53,14 6,20 -0,57 6,86
0,96 0,92
Alagoas 33,06 33,73 64,80 26,19 24,71 67,04 6,82 9,02 -2,24
0,74 0,71
Sergipe 35,92 28,84 69,29 33,61 28,44 65,68 4,10 0,40 3,61
4,90 4,39
Bahia 37,05 21,87 76,57 34,54 17,43 74,55 7,19 4,45 2,01
52,41 54,26 Sudeste 38,92 56,12 42,71 38,22 65,39 29,93 3,81 -9,28 12,78
10,86 10,63
Minas Gerais 37,03 45,62 53,24 36,68 56,48 38,66 3,90 -10,86 14,58
1,99 1,95
Espírito Santo 37,69 40,17 58,82 35,95 43,90 51,48 3,54 -3,73 7,34
9,48 9,37
Rio de Janeiro 38,62 48,29 50,83 37,19 55,97 39,75 3,38 -7,69 11,07
30,07 32,31
São Paulo 39,78 63,43 35,28 39,17 72,35 22,90 3,93 -8,92 12,38
18,30 18,26 Sul 41,72 78,44 20,81 40,74 83,63 8,51 7,33 -5,19 12,30
6,88 6,64
Paraná 40,98 69,90 28,97 39,14 80,46 12,39 6,46 -10,56 16,58
4,82 4,92
Santa Catarina 42,61 83,79 15,62 41,86 83,44 4,65 11,35 0,34 10,98
6,60 6,70
Rio Grande do Sul 41,83 83,43 16,10 41,50 86,91 7,51 5,24 -3,48 8,59
7,70 7,38 Centro-Oeste 36,36 41,35 56,73 35,40 47,71 44,54 6,00 -6,35 12,19
1,27 1,19
Mato Grosso do Sul 35,21 46,79 50,78 34,45 53,20 37,51 7,49 -6,41 13,27
1,56 1,48
Mato Grosso 32,85 37,80 60,65 31,95 37,51 53,74 7,48 0,29 6,91
3,21 2,81
Goiás 35,03 40,99 57,15 35,53 46,76 45,04 6,11 -5,77 12,11
1,66 1,90 Distrito Federal 43,14 41,23 56,77 38,48 53,64 41,01 3,77 -12,42 15,77
Fonte: Elaboração própria. Microdados Censo Demográfico 2010, IBGE; Relação Anual de Informações Sociais 2010, MTE.
Nota: * Com expansão da Amostra
32
Para o Brasil, de acordo com o Censo, 53,58% da população ocupada com carteira
assinada se classificou como sendo de cor ou raça branca, enquanto que 45,19% se declarou
preta ou parda. Já na RAIS, a 59,71% da população foi atribuída cor ou raça branca, mas
apenas 34,19% preta ou parda. Há uma diferença de 6,13 pontos percentuais para a dis-
tribuição da população branca, enquanto que este valor é de 11 pontos para pretos ou
pardos. Não é possível explicar a diferença nestes dois últimos valores somente em fun-
ção dos casos não declarados, uma vez que as evidências apontam para uma composição
de perfil de cor ou raça aproximada ao médio neste último grupo. Assim, estes resulta-
dos marcam o que parece ser uma preferência por imputar vínculos como sendo ocupa-
dos por trabalhadores brancos; isto é, com embranquecimento estatístico da população.
Contudo, é importante observar que, embora o resultado para o país seja o de
embranquecimento, isto não é verdadeiro para todas as regiões. No que pese o efeito dos
casos não declarados, que parecem induzir unicamente a uma redução da população
preta e parda, na maior parte da região Norte e Nordeste não se observa embranqueci-
mento. Atente para a penúltima coluna “(a-c)”, que representa a diferença na distribui-
ção de brancos nas duas pesquisas: os valores negativos representam casos em que a
RAIS superestima os valores desse grupo em relação ao Censo, quando positivos, su-
bestima. Exceto para Pernambuco e Paraíba, são todos subestimados para as duas regi-
ões. Já para as demais, exceto em Mato Grosso e Santa Catarina (em função da grande
quantidade de casos não declarados), são todos superestimados. Ao contrário do que
sugerem os resultados da PCERP 2008, a preferência ao embranquecimento não é uma
regularidade para todas as regiões e estados do Brasil.
Já quanto aos pretos ou pardos, pode-se observar que, conquanto não exista, re-
gularmente, uma tendência ao embranquecimento, há definitivamente para quase todas
as regiões uma subestimação desta população. Como se depreende da última coluna,
exceto por quatro estados, o valor da distribuição é subestimado, revelando, se não uma
preferência pela classificação “branca”, talvez uma aversão à “preta” ou “parda”. Este
fenômeno acontece com maior intensidade no Sul, Sudeste e Centro-Oeste. É bastante
óbvio que parte do quadro que estamos vendo é obscurecida pela presença dos casos
não declarados. Optamos por não representar a distribuição sem a presença deles, mas é
evidente que se forem excluídos, obter-se-á resultados que aumentam a intensidade do
33
processo de embranquecimento17
. Entretanto, se isto for operado, tampouco irá mudar o
fato característico de que não se observa integralmente o fenômeno no território nacio-
nal (ocorreria em doze estados da federação). Este fenômeno é observável no país e é
predominante em função do tamanho desproporcional que o Sudeste e Sul têm, neste
caso, no mercado de trabalho formal.
Ora, se a diferença de treinamento de entrevistadores não pesar em demasia, isso
significa que muitos dos resultados de pesquisa sobre o tema podem ser enviesados uni-
camente por conta do desenho amostral utilizado ou pela abrangência geográfica.
Igualmente, se isto for ignorado na forma funcional de testes estatísticos mais detalha-
dos, novamente se pode incorrer em erro. O mais simples seria, talvez, o de tomar o
todo como representativo de suas partes e, por exemplo, prescrever teoria de existência
de toda uma ideologia racial brasileira em cima deste entendimento (quando poderia ter
traços marcadamente mais locais).
Encontra-se na página seguinte a Tabela 2, com formato semelhante à anterior,
mas desta vez tratando de comparar o rendimento nominal médio nas duas bases de da-
dos. A renda média para o Brasil na RAIS (do mês de dezembro) foi de R$ 1407,57,
enquanto que no Censo o valor é de R$ 1288,79 para o ano de 2010 (em julho). Essa
diferença de renda já foi atribuída à diferença no cálculo da variável de rendimento do
trabalho; o que surpreende é que, ao separarmos os dois grupos, o valor médio do ren-
dimento da população branca é bastante semelhante. É até mesmo inferior em algumas
regiões para o último grupo citado, mas em todos os estados (exceto Amapá, Roraima e
Distrito Federal), a renda de pretos e pardos é superior na RAIS, sendo até 22,7% maior
em São Paulo – o de maior peso no país. As regiões Sul e Sudeste, além da Bahia,
Amazonas e Rondônia, são as que possuem maior diferença de renda entre as duas ba-
ses de dados, acima de 10%, além de um nível no qual podemos atribuir a incongruên-
cia dos rendimentos às diferenças metodológicas da pesquisa.
Nas colunas “(e/f)” e “(g/h)”, constam as razões entre a renda da população
branca e da preta e parda no Censo e RAIS, respectivamente. Em 2010, para o Brasil, de
acordo com o Censo, pretos e pardos receberam 65% da renda média dos brancos, en-
quanto que na RAIS esta razão é de 71%.
17
Isto, é, se admitirmos que esses casos não declarados são apenas uma amostra média da população e
que, portanto, não alteram a razão entre a distribuição de brancos e pretos e pardos.
34
Tabela 2
Renda Nominal Média do trabalho por UFs e Cor ou Raça da população ocupada com
carteira assinada por UFs. Comparação entre Censo e RAIS, Brasil, 2010.
Região Distribuição
CENSO* RAIS Diferença
Branco (e)
Preto e Pardo (f)
Total (i) Branco
(g) Preto e
Pardo (h) Total (j) (e/f) (g/h) (i/j)
BRASIL 1531,73 989,07 1288,79 1573,25 1117,39 1407,57 0,65 0,71 0,92
Norte 1440,73 1028,59 1144,64 1399,21 1116,83 1185,43 0,71 0,80 0,97
Rondônia 1419,25 1064,04 1191,55 1276,56 1212,17 1217,13 0,75 0,95 0,98
Acre 1513,99 1091,92 1200,65 1241,07 1035,09 1115,86 0,72 0,83 1,08
Amazonas 1590,88 1070,59 1215,18 1668,01 1263,52 1365,06 0,67 0,76 0,89
Roraima 1455,83 1046,16 1149,03 1345,47 966,79 1055,57 0,72 0,72 1,09
Pará 1378,54 995,65 1096,16 1351,44 1056,69 1121,97 0,72 0,78 0,98
Amapá 1324,71 1119,53 1174,67 1454,13 1006,66 1078,90 0,85 0,69 1,09
Tocantins 1361,57 923,01 1043,74 1291,50 934,73 1025,20 0,68 0,72 1,02
Nordeste 1308,42 891,95 1024,81 1242,66 955,01 1043,49 0,68 0,77 0,98
Maranhão 1333,66 900,21 1021,47 1359,15 966,08 1055,68 0,67 0,71 0,97
Piauí 1255,61 870,48 976,12 1165,94 902,14 947,39 0,69 0,77 1,03
Ceará 1219,73 835,88 970,49 1149,15 826,77 920,00 0,69 0,72 1,05
Rio Grande do Norte 1223,67 902,14 1042,92 1118,90 924,03 995,56 0,74 0,83 1,05
Paraíba 1140,49 821,44 955,57 1031,00 831,79 916,60 0,72 0,81 1,04
Pernambuco 1326,15 870,42 1049,03 1228,20 957,37 1069,76 0,66 0,78 0,98
Alagoas 1177,04 834,45 949,29 1189,46 872,30 952,84 0,71 0,73 1,00
Sergipe 1355,03 949,64 1068,13 1194,35 1070,90 1134,64 0,70 0,90 0,94
Bahia 1510,98 941,28 1067,63 1533,93 1051,20 1154,75 0,62 0,69 0,92
Sudeste 1683,80 1023,90 1407,25 1739,52 1222,04 1589,00 0,61 0,70 0,89
Minas Gerais 1312,66 908,78 1094,84 1249,52 1060,82 1170,50 0,69 0,85 0,94
Espírito Santo 1495,29 989,52 1194,00 1336,55 1105,65 1214,47 0,66 0,83 0,98
Rio de Janeiro 1871,73 1082,12 1466,13 1868,68 1266,23 1653,92 0,58 0,68 0,89
São Paulo 1743,01 1064,01 1515,66 1851,35 1305,46 1730,73 0,61 0,71 0,88
Sul 1297,89 938,76 1224,54 1323,84 1099,17 1292,93 0,72 0,83 0,95
Paraná 1331,36 948,41 1225,06 1299,67 1093,88 1268,76 0,71 0,84 0,97
Santa Catarina 1277,39 957,77 1227,16 1296,00 1113,25 1264,36 0,75 0,86 0,97
Rio Grande do Sul 1283,69 907,22 1222,08 1365,62 1101,52 1337,84 0,71 0,81 0,91
Centro-Oeste 1592,71 1075,82 1302,60 1442,86 1114,10 1271,63 0,68 0,77 1,02
Mato Grosso do Sul 1254,19 936,38 1089,24 1187,38 988,48 1097,50 0,75 0,83 0,99
Mato Grosso 1385,00 994,09 1146,98 1268,94 1061,64 1134,72 0,72 0,84 1,01
Goiás 1287,72 977,51 1126,90 1224,74 1033,34 1117,44 0,76 0,84 1,01
Distrito Federal 2654,36 1445,46 1953,22 1979,58 1370,94 1716,99 0,54 0,69 1,14
Fonte: Elaboração própria. Microdados Censo Demográfico 2010, IBGE; Relação Anual de Informações Sociais 2010, MTE. Nota: * Com expansão da Amostra
35
Isto denota menor desigualdade de renda observável no mercado de trabalho
formal medido pela RAIS, apesar da metodologia de heteroatribuição de pertença. Ex-
ceto para os Estados de Amapá e Roraima, a desigualdade racial de renda é marcada-
mente inferior nos demais. A análise dos dados dessas colunas não parece indicar pa-
drão claro.
A partir da tabela 2, pode-se concluir que um dos fatos estilizados mencionados
na seção anterior não se verifica: não há um aumento da desigualdade de renda, pelo
contrário. Há muitos cenários de como isso pode ser interpretado tomando o Censo
Demográfico como critério de veracidade. É certo (senão provável) haver uma transfe-
rência de casos de vínculos de trabalhadores que, em tese, deveriam ser autodeclarados
pretos ou pardos para a população branca. De acordo com a tese de Degler (1971) ou a
partir de resultados do estudo do PERLA (2014), há de se imaginar que a tendência ao
embranquecimento se dá mais fortemente sobre aqueles grupos de indivíduos de fenóti-
pos limítrofes. Portanto, se dá sobre indivíduos que possuem dentro do seu grupo social
(pretos ou pardos, ainda assim com status social baixo) uma renda superior ao da mé-
dia18
, ou até mesmo através de efeito conhecido: “o dinheiro embranquece”. Mas se for
o caso, o efeito causado por tal fenômeno seria o de redução simultânea do rendimento
médio dos dois grupos – o que não é o observado aqui.
É até mesmo verossímil, embora pouco provável (para uma população suficien-
temente grande), que haja uma transferência de população de estrato médio branca para
a preta e parda, aumentando a renda média deste último grupo e mantendo constante a
do primeiro. Se o embranquecimento da população ocupada ocorresse de forma aleató-
ria, então a renda da população branca simplesmente convergiria para a média total,
permanecendo imóvel a do outro grupo (presumindo que o deslocamento ocorre unica-
mente em direção ao primeiro). Também é improvável a tendência de pessoas de baixo
status social se embranquecerem, posto que isto não seja uma opção na RAIS – e possi-
velmente os olhos de terceiros seriam mais inclementes que os próprios; contudo, pos-
suiria os efeitos observados sobre a renda e a distribuição. Há a dificuldade adicional de
se explicar a regularidade com que a desigualdade é inferior na RAIS, ao mesmo tempo
em que o fenômeno do embranquecimento se dá de maneira irregular conforme a região
18
Isso se observa também em dados censitários. Embora o inverso possa acontecer, o status social eleva-
do pode induzir a uma tendência do entrevistado de se escurecer. Ver Paixão e Silva (2014).
36
geográfica. Em suma, manifesta-se aqui a inadequação de certos modelos explicativos.
É provável que a solução se encontre em uma multiplicidade de movimentos em quanti-
dades variadas (ou mesmo na inadequação da RAIS para a variável que está sendo in-
vestigada).
III.2 – DADOS POR NÍVEL EDUCACIONAL.
Na página abaixo encontra-se a tabela 3. Nela é possível observar a composição do
maior nível educacional alcançado na população aqui estudada por sexo e cor ou raça. A
primeira diferença a ser notada é o menor analfabetismo na RAIS. Enquanto que atinge
somente 0,56% dos casos nesta relação, o Censo indica que 2,34% da população em-
pregada no mercado de trabalho formal se declara analfabeta. Igualmente, nos demais
grupos os dados não coincidem: a população com nível superior é de 14,54% do total na
última pesquisa citada, mas de apenas 11,30% na RAIS. Os grupos que compreendem
os níveis de educação até o fundamental incompleto também são subestimados na
RAIS. A maior parte dos casos se concentra nos grupos de ensino médio completo e
fundamental completo – os valores são respectivamente de 43,47% e 14,08% na RAIS,
enquanto que no Censo Demográfico é de apenas 31,14% e 10,21%. Mais uma vez,
pode-se atribuir ao método heteroatributivo as diferenças apresentadas.
Verifica-se uma tendência dos casos se concentrarem no grupo de ensino médio
completo em ambas as pesquisas. Fora a constatação de que isto reflete efetivamente o
nível educacional da população, essa exacerbação na RAIS se deve, possivelmente, ao
fato de que a maior parte dos vínculos empregatícios exige nível médio. Ademais, hipo-
tetiza-se aqui, que o método empregado de pesquisa acaba muitas vezes por responder
somente o nível educacional presumido do vínculo, e não do indivíduo. Posto que haja,
por exemplo, uma grande população empregada em vínculos de nível médio, mas gra-
duados com nível superior, isto explicaria a subestimação de tal grupo na RAIS. O
mesmo vale para os demais que foram subestimados, isto é, dos analfabetos e do grupo
com fundamental incompleto.
Apesar dessas diferenças, os dados mantêm relação de ordem, e a razão entre a
composição de brancos e de pretos e pardos se mantém relativamente uniforme nas duas
bases de dados. Constatadas essas diferenças, pode-se antecipar que elas terão efeito
37
sensível sobre a mensuração dos retornos monetários associados a tais características do
trabalhador19
.
Tabela 3
Composição de maior nível educacional alcançado por Sexo e Cor ou Raça da popula-
ção ocupada com carteira assinada. Comparação entre Censo e RAIS, Brasil, 2010.
Composição CENSO RAIS
Sexo Escolaridade Branco Preto e Pardo Total Branco Preto e Pardo Total
Masculino - - - - - -
Analfabeto 1,78 4,70 3,21 0,46 1,17 0,75
Até 5º Ano Incompleto 8,37 11,85 10,06 3,61 7,17 4,97
5º Ano Completo 6,75 8,50 7,59 5,63 6,64 5,96
6º ao 9º Ano Incompleto 9,51 13,64 11,51 9,58 12,13 10,44
Fundamental Completo 11,04 11,32 11,15 16,07 15,97 15,93
Médio Incompleto 8,94 10,71 9,79 9,57 10,16 9,74
Médio Completo 29,23 29,31 29,23 39,75 40,07 40,19
Superior Incompleto 8,90 4,93 6,97 4,03 2,25 3,33
Superior Completo 15,49 5,05 10,49 11,30 4,43 8,67
Feminino - - - - - -
Analfabeto 0,52 1,60 0,96 0,18 0,31 0,23
Até 5º Ano Incompleto 4,63 6,46 5,37 1,48 2,28 1,73
5º Ano Completo 3,78 4,80 4,18 2,96 3,13 2,98
6º ao 9º Ano Incompleto 5,28 8,06 6,40 5,59 6,78 5,91
Fundamental Completo 8,37 9,25 8,70 11,15 10,80 11,00
Médio Incompleto 7,26 9,45 8,15 7,78 8,51 7,99
Médio Completo 31,78 37,79 34,18 46,27 54,07 48,91
Superior Incompleto 12,16 9,49 11,07 6,16 4,45 5,58
Superior Completo 26,22 13,09 20,99 18,43 9,68 15,67
Total - - - - - -
Analfabeto 1,25 3,64 2,34 0,35 0,88 0,56
Até 5º Ano Incompleto 6,80 10,00 8,25 2,76 5,54 3,76
5º Ano Completo 5,50 7,23 6,28 4,57 5,47 4,84
6º ao 9º Ano Incompleto 7,73 11,72 9,54 7,98 10,34 8,74
Fundamental Completo 9,91 10,61 10,21 14,11 14,25 14,08
Médio Incompleto 8,24 10,28 9,16 8,85 9,61 9,08
Médio Completo 30,30 32,22 31,14 42,35 44,74 43,47
Superior Incompleto 10,27 6,49 8,55 4,88 2,98 4,18
Superior Completo 20,00 7,81 14,54 14,15 6,18 11,30
Fonte: Elaboração própria. Microdados Censo Demográfico 2010, IBGE; Relação Anual de Informações Sociais 2010, MTE.
Nota: * Com expansão da Amostra; Valores vazios representam o valor um.
19
Por exemplo, em Schultz (1973) – expoente da teoria do capital humano –, os retornos econômicos de
educação superior seriam associados a uma produtividade superior determinada por treinamento e profi-
ciência adquiridos. A rigor, se for verdadeiro, então estratos de alta e média produtividade podem ser
misturados no mesmo grupo na RAIS. Alternativamente, se o vínculo é determinante na produtividade do
trabalho e a educação serve como sinal de distinção para a seleção – como nos modelos de Arrow (1973)
e Spence (1973) – faz pouca diferença.
38
A tabela 4, apresentada abaixo, contém os dados de renda do trabalho para os
mesmos níveis educacionais estudados. Observa-se igual tendência geral nas duas fon-
tes. O diferencial de renda é mais severo na população com nível superior, e menor nas
demais, especialmente no que se refere aos analfabetos. Contudo, há uma diferença con-
siderável no valor dos rendimentos desses grupos entre as duas bases de dados: para a
população com nível superior incompleto, a RAIS superestima esse valor em 30,23%
em relação ao Censo em 2010; já para o nível superior completo, é superior em 23,34%
(para o total da população, o valor é de 9,2%). Para os grupos com nível médio incom-
pleto ou completo o deslocamento dos valores não é significativo. É importante obser-
var que a superestimação dos valores de renda é semelhante entre os dois grupos de
gênero com nível superior incompleto e completo; o mesmo não se pode dizer em rela-
ção aos demais níveis educacionais. Resulta disso que a diferença de renda por sexo é
superior na RAIS em comparação ao Censo demográfico: na primeira, a diferença de
renda por gênero é de 30,8%; na última é de 22,2%. Esse imprevisível resultado tam-
bém poderá ter efeitos significativos na comparação paramétrica das duas fontes de da-
dos. Já para os grupos de cor ou raça, a desigualdade de renda é menor na RAIS em
todos os grupos, exceto para analfabetos e na população com superior incompleto.
39
Tabela 4
Renda Nominal Média do trabalho do trabalho por maior nível educacional alcançado,
Sexo e Cor ou Raça da população ocupada com carteira assinada. Comparação entre
Censo e RAIS, Brasil, 2010.
Rendimento Médio Nominal Mensal
CENSO* RAIS Razão
Sexo Escolaridade Branco
(a) Preto e
Pardo (b) Total
Branco (c)
Preto e Pardo (d)
Total (b/a) (d/c)
Masculino 1697,53 1049,33 1385,76 1755,06 1209,53 1544,18 0,62 0,69
Analfabeto 699,19 659,44 670,67 835,05 719,50 763,52 0,94 0,86
Até 5º Ano Incompleto 1010,24 832,88 908,61 1020,20 888,06 949,68 0,82 0,87
5º Ano Completo 1016,93 860,07 932,00 1122,87 997,51 1065,15 0,85 0,89
6º ao 9º Ano Incompleto 955,09 827,35 880,95 1111,80 977,19 1051,70 0,87 0,88
Fundamental Completo 1155,50 960,52 1058,83 1157,47 1017,62 1102,48 0,83 0,88
Médio Incompleto 998,40 844,55 916,21 1079,46 939,37 1022,16 0,85 0,87
Médio Completo 1326,94 1064,22 1198,99 1444,43 1209,43 1349,57 0,80 0,84
Superior Incompleto 1816,32 1483,20 1702,81 2356,61 1884,70 2230,61 0,82 0,80
Superior Completo 4356,42 2960,76 4039,52 5142,88 3743,64 4870,30 0,68 0,73
Feminino 1303,33 873,87 1134,38 1300,32 933,84 1180,78 0,67 0,72
Analfabeto 608,60 573,77 585,92 671,45 621,52 648,91 0,94 0,93
Até 5º Ano Incompleto 806,44 662,00 737,15 718,14 658,01 694,38 0,82 0,92
5º Ano Completo 743,20 655,91 702,85 743,14 678,74 720,63 0,88 0,91
6º ao 9º Ano Incompleto 688,74 630,29 658,74 734,46 664,48 708,61 0,92 0,90
Fundamental Completo 830,76 715,74 781,58 775,53 695,25 750,35 0,86 0,90
Médio Incompleto 749,34 653,53 704,37 771,05 674,88 737,33 0,87 0,88
Médio Completo 907,15 758,77 845,43 959,72 819,90 907,73 0,84 0,85
Superior Incompleto 1164,31 967,30 1097,02 1491,55 1226,89 1419,82 0,83 0,82
Superior Completo 2458,37 1780,85 2295,60 2926,28 2262,61 2786,25 0,72 0,77
Total 1531,73 989,07 1288,79 1573,25 1117,39 1407,57 0,65 0,71
Analfabeto 683,35 646,48 657,24 802,02 708,44 746,19 0,95 0,88
Até 5º Ano Incompleto 951,82 794,95 865,58 956,27 856,88 906,08 0,84 0,90
5º Ano Completo 937,84 813,47 873,08 1025,37 937,11 986,39 0,87 0,91
6º ao 9º Ano Incompleto 878,60 780,81 823,45 1007,09 909,08 965,11 0,89 0,90
Fundamental Completo 1040,19 887,18 967,62 1037,22 936,11 999,38 0,85 0,90
Médio Incompleto 906,00 784,22 843,52 971,33 861,25 928,23 0,87 0,89
Médio Completo 1141,78 941,18 1049,27 1232,94 1052,34 1162,89 0,82 0,85
Superior Incompleto 1491,62 1224,22 1400,27 1920,73 1557,67 1823,58 0,82 0,81
Superior Completo 3310,03 2281,92 3068,50 3989,13 2969,71 3784,74 0,69 0,74
Fonte: Elaboração própria. Microdados Censo Demográfico 2010, IBGE; Relação Anual de Informações Sociais 2010, MTE.
Nota: * Com expansão da Amostra
40
CAPÍTULO IV – APLICAÇÃO DE MODELOS DE EQUAÇÕES DE SALÁRIOS
A fim de executar uma comparação mais precisa entre as fontes de dados estu-
dadas, neste capítulo serão produzidos e comparados modelos para a formação de renda
dos trabalhadores. A primeira seção apresentará um modelo de regressão linear a ser
utilizado individualmente nas duas bases; em seguida comparar-se-á um modelo para
uma amostra mista delas.
IV.1 – EQUAÇÕES DE SALÁRIOS NO CENSO E RAIS.
Interessa-nos testar a relação funcional entre a característica de Cor ou Raça (𝑑𝑖,
0 = pretos e pardos) e o logaritmo natural dos rendimentos do trabalho (𝑙𝑛 𝑦𝑖), nos ter-
mos aqui expostos:
(1) 𝑙𝑛 𝑦𝑖 = 𝑓(𝑑𝑖), 𝑖 = 1, 2, … , 𝑛
Para tanto será utilizado um modelo de regressão linear múltipla por Mínimos
Quadrados Ordinários (MQO). Sua forma será a de uma equação salário minceriana
clássica:
(2) y = 𝑋𝛽 + 𝜀
Em (2), 𝛽 e y são vetores coluna de coeficientes angulares e rendimentos (em log natu-
ral), respectivamente; já 𝑋 é a matriz de dados de individuais (inclusive 𝑑𝑖) e 𝜀 é o vetor
de resíduo. Uma das condições necessárias para a execução da MQO é o da inexistência
da correlação entre os resíduos e as variáveis independentes, isto é, que 𝐸[𝜀|𝑋] = 0 20,
assim a matriz de características 𝑋 conterá uma série de variáveis de controle. São elas:
(i) Cinco dummies para as diferentes regiões do Brasil – Sudeste, Sul, Norte,
Centro-Oeste (sem Distrito Federal) e Distrito Federal. O Nordeste é tido
como base, isto é, se as demais variáveis todas tiverem valor zero.
20
Menezes-Filho (2002). Sabe-se, contudo, que para as fontes de dados estudadas a eliminação completa
de covariância entre o resíduo e as variáveis dependentes é improvável, uma vez que há uma seleção
escassa de variáveis de controle a serem utilizadas, ainda mais quando se compatibiliza questionários
diferentes. Nesses casos, nem sempre é possível modificar a função utilizada ou introduzir novos contro-
les. Por vezes, não o fazer é mesmo o mais desejável.
41
(ii) Dummy para o sexo do indivíduo, valor zero para o sexo feminino.
(iii) Oito dummies para nível educacional. Os grupos são aqueles mesmos
discutidos na seção III.2. A base zero é formada por analfabetos.
(iv) O log natural de idade, utilizado como proxy para a experiência profissi-
onal do individuo21
.
(v) Dummy para casos de cor ou raça não declarados na RAIS.
Os resultados da regressão estão contidos na Tabela 5 na página abaixo. É des-
necessário salientar que, para todas as variáveis, os resultados são absolutamente signi-
ficativos. Isso é consequência da amostra de aproximadamente 35 milhões de casos nas
duas bases de dados (com expansão da amostra no Censo). A adequação da função à
variável dependente, medida por R², é de 0,414 para o Censo e 0,377 para a RAIS. Mo-
destos, mas em linha com os resultados habituais para este tipo de modelo22
. O resulta-
do mais importante é o do coeficiente do dummy de Cor ou Raça: enquanto que no Cen-
so há indicação de uma diferença da renda mediana atribuível à variável de cerca de
11,4%, na RAIS esta é de somente 6,4%. Das variáveis estudadas, a referente à Cor ou
Raça representa o pior resultado em termos de diferença relativa (ver coluna “(a/b)”).
Igualmente, para as variáveis educacionais há grandes diferenças, maiores nos
grupos de menor nível educacional, mas com semelhança nos retornos da população
com nível superior incompleto e completo. Apesar da substancial diferença na desigual-
dade de renda por sexo, há similaridade em como são capturados pelos coeficientes nas
duas fontes – é de cerca de 30,7% no Censo e 31,9% na RAIS. A elasticidade renda-
idade medida pela função log-log na regressão com o logaritmo natural de idade é simi-
lar, 0,54 no Censo, 0,50 na RAIS. Há diferenças nas regiões geográficas do Sudeste e
Distrito Federal. Na primeira, a renda é superestimada em relação ao Censo em 5%; no
Distrito Federal é subestimada em 11,8%. A variável de característica racial não decla-
rada apresenta um resultado interessante: é muito próxima de zero (embora estatistica-
21
O mais comum para trabalhos sobre o tema é o uso de duas variáveis, idade e idade ao quadrado. Essa
forma tem como base a experiência do mercado de trabalho norte-americano, a qual, a partir de aproxi-
madamente 50 anos de idade, passa a revelar um declínio marginal da renda. Assim, a parábola formada
descreve adequadamente esse comportamento. Entretanto, no mercado de trabalho brasileiro a relação é,
no limite do aceitável, linear; os resultados (inclusive dessas amostras para a especificação quadrática)
indicam declínio da renda somente aos 100 anos de idade – um resultado espúrio. Por fim, optou-se usar o
logaritmo natural como foi feito em De Negri et al. (2001). Sobre o tema ver Lam e Levinson (1990). 22
Por exemplo, conferir Mincer (1974). Cain (1986) também mobiliza impressionante seleção de traba-
lhos sobre o tema.
42
mente significativo), o que sugere que a composição deste grupo seja semelhante ao da
média da população23
.
Tabela 5
Resultados de um modelo de equações de salários minceriana por MQO. Comparação
entre Censo e RAIS, Brasil, 2010.
CENSO 2010 RAIS 2010 Diferença CENSO/RAIS
Variáveis
Coeficiente (a)
Valor T Coeficiente
(b) Valor T (a-b) (a/b)
Intercepto 3,943°° 3375,73 4,263°° 2610,72 -0,320 0,925
𝛽LN (LN-Idade) ,546°° 2020,21 ,501°° 1717,65 0,045 1,090
𝛽S (Sexo) ,307°° 1746,41 ,319°° 1696,53 -0,012 0,963
𝛽C (Cor) ,114°° 635,53 ,064°° 307,98 0,050 1,785
𝛽NO (Norte) ,141°° 324,02 ,145°° 301,06 -0,004 0,970
𝛽SE (Sudeste) ,225°° 944,85 ,275°° 1035,15 -0,050 0,819
𝛽SU (Sul) ,188°° 635,94 ,204°° 621,02 -0,016 0,920
𝛽DF (D. Federal) ,363°° 533,76 ,245°° 357,52 0,118 1,479
𝛽CO (Centro-Oeste) ,179°° 451,63 ,139°° 313,22 0,040 1,291
𝛽1 (Primário Incompleto) ,207°° 333,10 ,140°° 107,73 0,066 1,474
𝛽2 (Primário Completo) ,229°° 357,12 ,180°° 139,86 0,050 1,276
𝛽3 (Ginásio Incompleto) ,304°° 495,28 ,222°° 176,91 0,083 1,372
𝛽4 (Fundamental Completo) ,406°° 664,84 ,257°° 207,16 0,149 1,581
𝛽5 (Médio Incompleto) ,412°° 659,08 ,288°° 229,38 0,124 1,431
𝛽6 (Médio Completo) ,547°° 949,87 ,464°° 378,47 0,082 1,178
𝛽7 (Superior Incompleto) ,814°° 1288,46 ,853°° 657,76 -0,039 0,954
𝛽8 (Superior Completo) 1,347°° 2246,27 1,329°° 1064,32 0,018 1,014
𝛽Ig (Ignorados RAIS) - - ,008°° 19,19 - -
Nº Observações 37.089.379 34.924.625
R R² R²-Aj. R R² R²-Aj.
0,643 0,414 0,414 0,614 0,377 0,377
Análise de Variância
Modelo CENSO RAIS
Regressão Resíduos Total Regressão Resíduos Total
Soma dos Quadrados 6.745.153 9.564.334 16.309.487 5.859.638 9.672.503 15.532.142
Graus de Liberdade 16 37.089.362 37.089.378 17 34.924.608 34.924.625
Média dos Quadrados 421.572 0,258 344.685 0,277
F 1.634.807 1.244.556
Significância de F < 0,0001 < 0,0001
** Significante a 1%
Fonte: Elaboração Própria. Microdados Censo Demográfico 2010, IBGE; Relação Anual de Informações Sociais 2010, MTE. Com expansão da amostra.
23
De fato, no processo iterativo de construção dos modelos, quanto mais variáveis geográficas incorpora-
das, menor o valor do coeficiente 𝛽Ig, mostrando indiretamente a presença de multicolinearidade (quiçá
relação causal entre os dois).
43
IV.2 – MODELO DE EQUAÇÕES DE SALÁRIOS EM UMA AMOSTRA MISTA.
Para testar de modo mais rigoroso as diferenças entre as bases de dados, o mode-
lo aqui descrito vai testar, simultaneamente, os retornos sobre as características testadas
na seção anterior e o valor das diferenças entre as duas. Desta forma é possível verificar,
através do teste t, a adequação destas variáveis entre nossas fontes de dados; a hipótese
nula é de que não há diferenças nos parâmetros. Para tanto, foi selecionada uma amostra
aleatória pequena do Censo e da RAIS, de 32.000 casos cada. Eles são pertencentes à
mesma população estudada antes, mas estão ausentes os casos de cor não informada na
RAIS. A partir desta nova base, o seguinte modelo será estimado:
(3) 𝑦 = 𝑋𝛽𝐶 + (𝑑𝑅𝑖𝑋)𝛽𝐷 + 𝜀
𝑑𝑅𝑖 é uma variável binária escalar para marcar o pertencimento do i-ésimo caso da
amostra a uma ou outra base de dados, com o valor positivo representando casos retira-
dos da RAIS. 𝑑𝑅𝑖𝑋 forma novas variáveis de características específicas à RAIS. Obtém-
se da equação (3), dado 𝐸[𝑦|𝑑𝑅𝑖 = 0, 𝑋]:
(4) 𝑦 = 𝑋𝛽𝐶 + 𝜀
Logo, (4) se trata da equação de salários minceriana (2) somente para o Censo Demo-
gráfico. 𝛽𝐶 é, portanto, o vetor coluna de coeficientes angulares da equação salários
desta da base. Agora, se 𝐸[𝑦|𝑑𝑅𝑖 = 1, 𝑋], tem-se que:
(5) 𝑦 = 𝑋(𝛽𝐶 + 𝛽𝐷) + 𝜀
Logo, (5) é a equação minceriana para a RAIS. 𝛽𝐶 + 𝛽𝐷 é igual ao vetor de coe-
ficientes angulares de características 𝑋 para a amostra da RAIS. Chamemo-la de 𝛽𝑅.
Segue-se que 𝛽𝐷 representa a diferença nos coeficientes de retorno financeiro das carac-
terísticas estudadas para o Censo e a RAIS que serão testados, ou seja, um vetor de coe-
ficientes angulares diferenciais. Interessa-nos fazer o teste de hipóteses sobre os valores
de 𝛽𝐷, confirmando ou rejeitando as diferenças entre as bases de dados. Os resultados
estão contidos na tabela 6; os parâmetros com subscrito “R” designam os coeficientes
das variáveis 𝑑𝑅𝑖𝑋.
44
Tabela 6
Resultados de um modelo de equações de salários por MQO em uma amostra mista. Comparação entre Censo e RAIS, Brasil, 2010.
Variáveis Intercepto 𝛽LN 𝛽S 𝛽C 𝛽NO 𝛽SE 𝛽SU 𝛽DF 𝛽CO 𝛽1 𝛽2 𝛽3 𝛽4 𝛽5 𝛽6 𝛽7 𝛽8
Coeficiente 4,071 0,503 0,318 0,099 0,182 0,228 0,199 0,389 0,221 0,182 0,234 0,308 0,412 0,423 0,537 0,770 1,261
Valor T 105,04 54,45 52,61 16,12 12,01 27,33 20,47 12,02 17,21 9,77 12,15 16,51 22,11 22,06 30,99 39,18 68,51
P-Valor < 0,001 < 0,001 < 0,001 < 0,001 < 0,001 < 0,001 < 0,001 < 0,001 < 0,001 < 0,001 < 0,001 < 0,001 < 0,001 < 0,001 < 0,001 < 0,001 < 0,001
Variáveis 𝛽BR (Base) 𝛽RLN 𝛽RS 𝛽RC 𝛽RNO 𝛽RSE 𝛽RSU 𝛽RDF 𝛽RCO 𝛽R1 𝛽R2 𝛽R3 𝛽R4 𝛽R5 𝛽R6 𝛽R7 𝛽R8
Coeficiente 0,200°° -0,013 0,012 -0,023°° -0,059°° 0,038°° -0,010 -0,171°° -0,077°° -0,032 -0,052 -0,050 -0,124°° -0,111°° -0,052 0,120°° 0,110°°
Valor T 3,11 -1,02 1,43 -2,54 -2,72 3,18 -0,67 -4,40 -3,99 -0,72 -1,17 -1,15 -2,89 -2,53 -1,23 2,66 2,54
P-Valor 0,2% 31,0% 15,3% 1,1% 0,7% 0,1% 50,5% 0,0% 0,0% 46,9% 24,2% 24,9% 0,4% 1,1% 21,8% 0,8% 1,1%
Nº Observações 64.000
Análise de Variância
Soma dos
Quadrados Graus de L.
Média dos Quadrados
F Sig. de F
R 0,626
Regressão 10.586 33 320,78 1.252 < 0,001
R² 0,392
Resíduos 16.386 63.966 0,256
R²-Aj. 0,392
Total 26.972 63.999
° Significativo para p-valor inferior a 5%
°° Significativo para p-valor inferior a 1%
Fonte: Elaboração Própria. Microdados Censo Demográfico 2010, IBGE; Relação Anual de Informações Sociais 2010, MTE. Sem expansão da amostra.
45
Dos resultados da tabela 6, confirma-se a hipótese nula somente para sete das 16
variáveis diferenciais. O valor do coeficiente angular diferencial (𝛽𝐷) da variável sexo
não é estatisticamente significativo a 5% (p-valor: 15,3%); já a variável de cor apresenta
diferença pronunciada – de 2,3 pontos percentuais na renda do trabalho mediana –, sen-
do significativa para o p-valor do teste t nesta tolerância. Nas variáveis geográficas do
país também há considerável diferença no valor da renda mediana atribuível às mesmas.
Em três regiões e no Distrito Federal, o coeficiente angular diferencial é significativo
para um nível de 1%, com exceção da região Sul em que é insignificante. Nas variáveis
educacionais, metade dos grupos apresentaram resultados significativos para 5%. São
eles: a população com ensino fundamental completo, médio incompleto, superior in-
completo e completo.
Portanto, os resultados obtidos não confirmam nossas expectativas. Não somente
existem diferenças significativas em boa parte das variáveis, como é particularmente
grande no caso de Cor ou Raça. O sinal do coeficiente é negativo. Isto significa que, em
relação ao Censo Demográfico, a RAIS subestima o efeito da discriminação racial na
determinação dos rendimentos no mercado de trabalho formal brasileiro. Isso pode de-
terminar para muitas agendas de pesquisa a exclusão desta fonte de dados, uma vez que
sustenta com dificuldade a hipótese de discriminação racial. Há, ainda por cima, difi-
culdades adicionais em relação às especificações dos modelos utilizados: uma vez que
há, inevitavelmente, uma correlação não desprezível entre as variáveis de controle do
modelo e a Cor ou Raça do individuo, a heterogeneidade na diferença da composição
comparada por região entre as duas fontes de dados produz resultados que, no caso da
RAIS, são pouquíssimo confiáveis. Ou seja, não se observa plenamente o fenômeno de
embranquecimento, e embora aponte a presença de discriminação racial, não o é em
grau maior. A negação do primeiro fato estilizado parece comprometer os resultados das
análises paramétricas24
.
24
Uma evidência disso pode ser encontrada em um modelo alternativo (não exibido nesta monografia).
Na ausência de variáveis de controle geográfico, não há alteração de nenhum dos resultados dos testes de
hipótese e pequeníssimas dos coeficientes angulares diferenciais encontrados, exceto para a variável de
cor ou raça. É tão flagrante que, sem este controle, o valor de 𝛽RC é de somente -0,1% da renda mediana,
com o incrível p-valor de 92,3%. Expressa-se aqui evidência de multicolinearidade. Isto também é verda-
deiro para o conteúdo do capítulo V. Disto resulta a conclusão importante de que a base pode ser
imprestável para estudos nacionais, mas não para regiões geograficamente mais restritas como
municípios e UFs.
46
CAPÍTULO V – DECOMPOSIÇÃO DE OAXACA PARA AS EQUAÇÕES DE
SALÁRIOS
Neste capítulo final serão exibidos os resultados da decomposição das equações
de salários conforme o modelo do capítulo anterior. Na primeira seção explica-se o pro-
cesso, na segunda são discutidos os resultados por meio de tabelas.
V.1 – DECOMPOSIÇÃO DE OAXACA.
Conforme o simples método desenvolvido por Oaxaca (1973), os modelos do
capítulo anterior podem ser decompostos em dois termos, de modo a identificar a pro-
porção do diferencial de renda explicada pela presença de discriminação. Voltando à
equação (2), suponha-se que a formação de salários médios da população masculina
branca, que definimos como o da experiência padrão, seja:
(6) ln 𝑦𝑀𝐵
= 𝑋𝑀𝐵′ 𝛽𝑀𝐵
𝛽𝑀𝐵 e 𝑋𝑀𝐵 são os respectivos vetores coluna de coeficientes angulares e de variáveis de
características médias desta população. Portanto, os três grupos restantes, - a saber: pre-
tos e pardos do sexo masculino (𝑀𝑃), brancas e pretas e pardas do sexo feminino
(𝐹𝐵, 𝐹𝑃, respectivamente) - na ausência de discriminação (definido de modo restrito ao
modelo) tem como equação salário:
(7) ln 𝑦 = 𝑋𝑖 ′𝛽𝑀𝐵 𝑖 = 𝑀𝑃, 𝐹𝐵, 𝐹𝑃
O diferencial de renda entre um desses grupos e o padrão é dado por:
(8) ln 𝑦𝑀𝐵
/𝑦𝑖
= 𝑋𝑀𝐵′ 𝛽𝑀𝐵 − 𝑋𝑖′ 𝛽𝑖
Que pode ser transformado da seguinte forma:
(9) 𝑋𝑀𝐵′𝛽𝑀𝐵 − 𝑋𝑖′𝛽𝑖 + 𝑋𝑖′𝛽𝑀𝐵 − 𝑋𝑖′𝛽𝑀𝐵
(10) (𝑋𝑀𝐵 − 𝑋𝑖)′𝛽𝑀𝐵 + 𝑋𝑖′(𝛽𝑀𝐵 − 𝛽𝑖)
O termo à esquerda descreve o diferencial de renda associado às diferenças nos
vetores de características que são, na execução dos modelos dessa monografia, as dife-
47
renças na idade (como proxy de experiência), região geográfica e educação. O termo à
direita descreve as diferenças causadas pelo diferencial de remuneração dessas caracte-
rísticas, associadas aos coeficientes angulares dos vetores 𝛽𝑀𝐵 e 𝛽𝑖. Cada um desses
termos compõem um total, do qual podemos sinteticamente retirar uma porcentagem
demonstrativa do tamanho e importância da discriminação racial e de gênero no merca-
do de trabalho em relação, no caso, à população masculina e branca.
V.2 – RESULTADOS DA DECOMPOSIÇÃO.
Para estimar as equações (7) e (8), foram novamente produzidas regressões line-
ares múltiplas por MQO. Os resultados daí obtidos estão reproduzidos nas tabelas 7 e 8,
respectivamente, para o Censo Demográfico e para a RAIS em 2010. Nelas se encon-
tram resultados equivalentes aos da seção IV.1. Com a possibilidade de observar os pa-
râmetros encontrados nessas regressões, verifica-se a diferença de remuneração entre os
grupos de sexo e raça por meio de comparação direta, e não através das variáveis ins-
trumentais utilizadas.
Na RAIS, assim como de modo geral para os grupos que não os de brancos do
sexo masculino, o intercepto possui valor maior, refletindo não só diferenças na remu-
neração do grupo base, como também a maior inadequação das demais variáveis de con-
trole na determinação da renda – espelhado por um R² menor nesses grupos. Assim,
nota-se que há diferenças grandes na remuneração por idade e por educação entre os
grupos estudados; mas a diferença é ainda maior entre as duas pesquisas. Por exemplo:
enquanto que com ensino médio completo a mediana de remuneração é aproximada-
mente 51,6% maior para mulheres brancas e 67,6% para homens brancos, estes valores
são de apenas 39,2% e 51,5%, respectivamente, na RAIS.
O resultado da decomposição destes números pode ser observado na tabela 9,
três páginas adiante. Nela está contido o log-valor das diferenças do termo de produtivi-
dade ou explicado pelo modelo ((𝑋𝑀𝐵 − 𝑋𝑖)′𝛽𝑀𝐵) e no outro o termo de discriminação
ou residual (𝑋𝑖′(𝛽𝑀𝐵 − 𝛽𝑖)), assim como a porcentagem explicada pelo último. A dis-
criminação para o modelo especificado é maior para a população branca e de sexo femi-
nino. O valor transpassa o cem por cento, uma vez que o termo de produtividade é nega-
tivo. Isto significa dizer que, na ausência de discriminação, este grupo deveria receber
48
medianamente mais, uma vez que o mesmo possui uma composição de população com
nível educacional mais avançado. Este valor é de 167,9% no Censo e 139,2% na RAIS,
indicando (neste caso) uma composição educacional mais semelhante na RAIS, mas
ainda assim um nível de discriminação quase idêntico.
Tabela 7
Resultados de um modelo de equações de rendimentos por MQO para quatro popula-
ções. Censo 2010, Brasil.
População Masculina
Branca Masculina
Preta e Parda Feminina
Branca Feminina
Preta e Parda Variáveis
Intercepto 3,699°° 4,402°° 4,313°° 4,829°° (1588,10) (2411,18) (1241,49) (1784,02)
𝛽LN (LN-Idade) ,692°° ,510°° ,486°° ,353°°
(1336,79) (1118,28) (812,19) (593,03)
𝛽NO (Norte) ,157°° ,139°° ,136°° ,128°°
(136,42) (239,26) (101,12) (168,42)
𝛽SE (Sudeste) ,258°° ,216°° ,215°° ,157°°
(458,20) (627,64) (338,76) (355,26)
𝛽SU (Sul) ,230°° ,218°° ,143°° ,141°°
(376,85) (387,88) (209,63) (201,36)
𝛽DF (D. Federal) ,416°° ,288°° ,456°° ,315°°
(258,30) (275,52) (280,22) (263,12)
𝛽CO (Centro-Oeste) ,210°° ,218°° ,095°° ,115°°
(233,64) (383,26) (89,33) (150,06)
𝛽1 (Primário Incompleto) ,261°° ,179°° ,246°° ,152°°
(192,58) (233,88) (91,72) (96,83)
𝛽2 (Primário Completo) ,293°° ,221°° ,208°° ,154°°
(211,81) (274,76) (76,75) (95,19)
𝛽3 (Ginásio Incompleto) ,404°° ,290°° ,259°° ,190°°
(299,19) (382,55) (97,06) (123,06)
𝛽4 (Fundamental Completo) ,510°° ,375°° ,389°° ,291°°
(382,41) (483,57) (148,23) (190,38)
𝛽5 (Médio Incompleto) ,526°° ,362°° ,414°° ,284°°
(382,41) (453,87) (156,47) (183,58)
𝛽6 (Médio Completo) ,676°° ,505°° ,516°° ,388°°
(528,80) (712,31) (201,01) (267,73)
𝛽7 (Superior Incompleto) ,971°° ,786°° ,767°° ,601°°
(710,63) (857,29) (294,04) (389,93)
𝛽8 (Superior Completo) 1,576°° 1,272°° 1,280°° 1,027°°
(1208,13) (1415,37) (498,38) (688,01)
Nº Observações 11.514.014 11.002.957 8.358.041 5.756.043
R 0,659 0,550 0,627 0,558
R² 0,434 0,302 0,393 0,312
Significância de F < 0,001 < 0,001 < 0,001 < 0,001
°° Significante a 1%
Fonte: Elaboração Própria. Microdados Censo Demográfico 2010, IBGE. Com expansão da amostra.
49
Tabela 8
Resultados de um modelo de equações de rendimentos por MQO para quatro popula-
ções. RAIS, 2010, Brasil.
.
População Masculina Branca
Masculina Preta e Parda
Feminina Branca
Feminina Preta e Parda
Variáveis
Intercepto 4,165°° 4,446°° 4,882°° 5,089°° (1336,12) (1665,27) (995,82) (1072,44)
𝛽LN (LN-Idade) ,613°° ,536°° ,370°° ,319°°
(1185,51) (932,46) (618,27) (439,91)
𝛽NO (Norte) ,163°° ,160°° ,130°° ,116°°
(120,95) (241,84) (83,60) (140,06)
𝛽SE (Sudeste) ,320°° ,278°° ,252°° ,178°°
(514,06) (678,74) (355,64) (358,54)
𝛽SU (Sul) ,245°° ,251°° ,173°° ,161°°
(365,45) (280,93) (228,76) (154,96)
𝛽DF (D. Federal) ,232°° ,217°° ,312°° ,230°°
(168,93) (177,00) (205,50) (166,28)
𝛽CO (Centro-Oeste) ,170°° ,182°° ,089°° ,093°°
(174,71) (256,42) (78,78) (104,55)
𝛽1 (Primário Incompleto) ,142°° ,165°° ,058°° ,054°°
(55,40) (94,20) (12,76) (13,01)
𝛽2 (Primário Completo) ,200°° ,215°° ,086°° ,071°°
(79,65) (121,68) (19,37) (17,49)
𝛽3 (Ginásio Incompleto) ,261°° ,250°° ,120°° ,093°°
(105,39) (146,20) (27,42) (23,55)
𝛽4 (Fundamental Completo) ,298°° ,272°° ,174°° ,137°°
(121,57) (160,93) (39,98) (34,89)
𝛽5 (Médio Incompleto) ,330°° ,283°° ,232°° ,166°°
(133,02) (163,64) (53,28) (42,07)
𝛽6 (Médio Completo) ,515°° ,453°° ,392°° ,330°°
(211,40) (273,23) (90,71) (84,99)
𝛽7 (Superior Incompleto) ,936°° ,811°° ,765°° ,654°°
(366,52) (404,45) (174,85) (163,45)
𝛽8 (Superior Completo) 1,454°° 1,271°° 1,220°° 1,088°°
(589,26) (695,65) (281,75) (277,28)
Nº Observações 12.501.686 7.962.772 8.358.041 3.997.222
R 0,605 0,529 0,617 0,575
R² 0,366 0,280 0,381 0,330
Significância de F < 0,001 < 0,001 < 0,001 < 0,001
°° Significante a 1%
Fonte: Elaboração Própria. Microdados Relação Anual de Informações Sociais 2010, MTE.
Para a população preta e parda masculina, não há similaridade nos dois termos e
na porcentagem explicada. Somente 31,6% das diferenças salariais entre essas popula-
ções é explicada pela presença de discriminação no Censo; na RAIS o valor é ainda
50
menor, sendo estimado em 20,1%. Logo, sem similaridades. Contudo, para a população
de sexo feminino preta e parda, os números são semelhantes: 86,3% na primeira fonte e
80,3% na segunda. Isso reflete, possivelmente, a predominância da discriminação de
gênero sobre a racial no modelo adotado. Novamente, o resultado parece ser de menor
detecção de discriminação na RAIS.
Tabela 9
Resultados da decomposição de Oaxaca para três grupos em relação à população mascu-
lina branca, em log natural e (%). Comparação entre Censo e RAIS, Brasil, 2010.
População Diferença - Termo de Produtividade
(a)
Diferença - Termo de Discriminação
(b)
Porcentagem explicada por discriminação
[b/(a/b)]
CENSO
Masculina Preta e Parda 0,214 0,099 31,6%
Feminina Branca -0,136 0,337 167,9%
Feminina Preta e Parda 0,065 0,408 86,3%
RAIS
Masculina Preta e Parda 0,192 0,048 20,1%
Feminina Branca -0,093 0,330 139,2%
Feminina Preta e Parda 0,090 0,364 80,3%
Fonte: Elaboração própria
51
CONCLUSÃO
Vimos a partir do capítulo segundo que não é tarefa banal compatibilizar as duas
fontes de dados. De fato, isto não é plenamente possível. No que pese as diferenças sa-
zonais, geográficas e metodológicas, a maior de todas elas é, com certeza, a do infor-
mante. Ora, os modelos que utilizamos a partir do terceiro capítulo são embasados nos
marcos teóricos clássicos que procuram executar a tarefa hercúlea de estimar a forma-
ção dos rendimentos do trabalho predicados a características abstratas e, certamente,
apenas indiretamente mensuráveis. Esse é o caso com as variáveis educacionais e de
idade, sobre as quais presumimos representarem a produtividade do trabalhador. Agora,
o que fazer do fenótipo ou raça do indivíduo? Que valor atribuir a medidas diferentes
sobre um mesmo fenômeno? Se forem diferentes, não podem estar ambas corretas?
Bem, neste caso até poderiam.
Esperávamos, nessa comparação, observar a existência de dois fatos: o embran-
quecimento da população heteroatribuída e a presença de maior discriminação racial na
mesma. O embranquecimento foi constatado, mas não é fato conclusivo e nem regular
no Brasil. A RAIS não é comparável com as pesquisas da PESB, PCERP ou Datafolha,
mas apesar disso, pode apontar problemas com pesquisas utilizando estas fontes se as
divergências apontadas forem de cunho metodológico. Elas trabalham com amostras
pequenas de pesquisas nacionais, e suas análises se baseiam sobre estes dados na sua
totalidade, sem controle minucioso das variáveis geográficas. Telles e Lim (1998), por
exemplo, introduzem apenas dois dummies no teste econométrico efetuado: para o Nor-
deste e áreas urbanas, com o único propósito de separá-las pela sua formação salarial
diferenciada. A dificuldade, como vimos, é que o processo em que há embranquecimen-
to e, portanto, discordância nos critérios de classificação, é tão fortemente determinado
por área geográfica que podemos chegar a observações falsas dos coeficientes de dis-
criminação racial. Logo, chega-se a conclusões equivocadas. É claro que se pronuncia
tais desfechos sem sentenças - seria necessário investigar essas outras bases de dados
para determinar se coincidem com a RAIS (a falsidade pode ser facilmente atribuída a
ela).
Os resultados dos modelos dos capítulos IV e V rejeitam a existência de discri-
minação racial maior. Pelo contrário, mostram uma diferença considerável: 𝛽𝐶, o coefi-
52
ciente angular da variável dummy racial, indica que brancos recebem 11,4% a mais no
Censo, mas somente 6,4% na RAIS. Já o coeficiente 𝛽𝑅𝐶, na seção IV.2, indica uma
diferença estatisticamente significativa de 2,3%. Essa última diferença só é passível de
ser observada quando são controladas as regiões geográficas. Portanto, para muitas
agendas de pesquisa, as estimativas inferiores já são suficientes para rejeitarem o uso
completo da RAIS para o estudo das desigualdades raciais. Vimos ainda, no capítulo V,
que a variável tem menor poder explicativo nos diferenciais de renda observados na
RAIS. Apesar disto, as duas bases não permitem descartar, a partir dos modelos e con-
troles utilizados, a presença de discriminação racial no mercado de trabalho formal bra-
sileiro.
Este último resultado é, não obstante, encorajador. A partir dele podemos con-
cluir que é adequada para os fins expressos na introdução deste texto, a saber: para estu-
dos empíricos sobre discriminação racial e avaliação de políticas públicas. Segue, por-
tanto, que a linha de pesquisa aqui iniciada ainda está em aberto. Os modelos utilizados
na qual se baseiam essas conclusões, são, indubitavelmente, simples e possuem defici-
ências óbvias para além daquelas mencionadas. Por exemplo, o método por MQO – em
conjunto com as variáveis binárias utilizadas – só nos dá o resultado de parâmetros para
a população média, desconsiderando que a variância nos salários é proporcionalmente
maior ao longo dos quantis de renda, logo com possível discriminação mais ampla ao
longo deles (SOARES, 2000; BAILEY, LOVEMAN & MUNIZ, 2013). Igualmente o
modelo apresentado na seção IV.2, nos permite observar a interação das variáveis em-
pregadas e as fontes de dados provenientes mas não entre as variáveis em si. Isto é, não
observamos como varia o coeficiente angular ao qual atribuímos o peso da discrimina-
ção racial em diferentes regiões geográficas, níveis educacionais e de idade. E finalmen-
te há ainda uma série de variáveis a serem testadas como os de grupo ocupacional da
CBO e de setores de atividade, que possuem relevância considerável na determinação
da renda individual assim como da de populações (dado composições diferenciadas).
Da parte deste autor, a conclusão final a ser tirada é a seguinte: as duas fontes de
dados comparadas não são iguais ou sequer parecidas. O abismo metodológico é largo.
Contudo, lembremos não ser este o propósito da presente monografia. Procuramos vali-
dar a utilização da variável racial na RAIS com base na autoridade de outra pesquisa,
neste caso, o Censo Demográfico de 2010. Faz-se as ressalvas: não se indica a base para
53
o uso de estudos sobre grandes agregados nacionais; para isto basta usar a PNAD, por
exemplo, e sem prejuízo por deficiência de amostra. Para estudos em setores reduzidos
e localizados, pode muito bem ainda ser adequado e talvez seja a fonte unicamente dis-
ponível para o tema. De resto, recordemos que, embora no caso dos registros adminis-
trativos, o pesquisador não seja agraciado por questionários e amostra de designs supe-
riores, tais registros estão sempre sujeitos a melhorias e inovações técnicas. Portanto,
fiquemos com um olho atento, em especial para uma futura (mas improvável) introdu-
ção de dados sobre o setor público. Porém, desde já a RAIS pode ser importante para a
avaliação de políticas públicas de combate à discriminação racial.
54
REFERÊNCIAS BIBLIOGRÁFICAS
ARIAS, A. R.; CORDEIRO, S. H. T. C. Uma discussão sobre a produção e uso de da-
dos sobre o mercado de trabalho. Revista Brasileira de Estudos da População, Campi-
nas, v. 7, p. 219-235, 1990.
ARROW, K. Higher education as a filter. Journal of Public Economics, Harvard Uni-
versity, U.S.A, v. 2, n. 3, 1973.
AZEVEDO, B. O emprego no Rio Grande do Sul: RAIS, PNAD e PME. Porto Alegre:
FEE, 1985.
BAILEY, S. R.; LOVEMAN, M.; MUNIZ, J. O. Measures of Race and the analysis of
racial inequality in Brazil. Social Science Research (Print), [s.l.] , v. 42, p. 106-119,
2013.
BARROS, R. P.; ULYSSEA, G.; CURY, S. A desigualdade de renda encontra-se subes-
timada? Uma análise comparativa usando a PNAD, POF e Contas Nacionais. In: BAR-
ROS, R. P.; FOGUEL, M.; ULYSSEA, G. (Org.). Desigualdade de Renda no Brasil:
uma análise da queda recente. [s.l.] IPEA, 2007.
CAIN, G. G. The economic analysis of labor market discrimination: a survey. In: ASH-
ENFELTER, O.; LAYARD, R. (eds.). Handbook of Labor Economics. North-Holand,
1986.
CORSEUIL, C. H. L.; COELHO, A. M. Diferenciais Salariais no Brasil: um breve pa-
norama. In: CORSEUIL, C. H. L.; SANTOS, D. D.; FERNANDES, R.; MENEZES-
FILHO, N.; COELHO, A. M. Estrutura Salarial: Aspectos Conceituais e novos resulta-
dos para o Brasil. Rio de Janeiro: IPEA, 2002.
CORSEUIL, C. H. L.; SANTOS, D. D. Fatores que determinam o nível salarial no setor
formal brasileiro. In: CORSEUIL, C. H. L.; SANTOS, D. D.; FERNANDES, R.; ME-
NEZES-FILHO, N.; COELHO, A. M. Estrutura Salarial: Aspectos Conceituais e novos
resultados para o Brasil. Rio de Janeiro: IPEA, 2002.
55
DEGLER, C. N. Neither Black nor White: Slavery and Race Relations in Brazil and the
United States. Madison: University of Wisconsin Press, 1971.
DE NEGRI, J. A.; CASTRO, P. F.; SOUZA, N. R.; ARBACHE, J. S. Mercado formal
de trabalho: comparação entre os microdados da RAIS e da PNAD (Texto para Discus-
são nº 840). Brasília: IPEA, 2001.
GOLDBERGER, A. S. A Course in Econometrics. Cambridge: Harvard University
Press, 1991.
HASENBALG, C. Discriminação e desigualdades raciais no Brasil. Rio de Janeiro:
Graal, 1979.
IPARDES. Avaliação do alcance e limites da RAIS e a Lei 4923/65. Curitiba, 1987.
JANNUZZI, P. M. As Potencialidades Analíticas da RAIS para Estudos sobre a Estrutu-
ra do Mercado Formal de Trabalho. In: ENCONTRO NACIONAL DA ASSOCIAÇÃO
BRASILEIRA DE ESTUDOS DO TRABALHO, 4, 1994.
______. Fontes de informação sócio-demográfica para planejamento no setor público.
Revista de Administração Pública (Impresso), Rio de Janeiro, v. 29, n. 3, p. 197-210,
1995.
______. Indicadores Sociais no Brasil: conceitos, fontes de dados e aplicações. Campi-
nas: Editora Alínea/PUC-Campinas, 2001.
KOENKER, R., BASSET, G. Regression quantiles. Econometrica, New York, v. 46, n.
33–50, 1978.
LAM, D.; LEVINSON, D. Idade, experiência e diferenciais de renda no Brasil. Pesqui-
sa e Planejamento Econômico, Rio de Janeiro, v. 20, n. 2, 1990.
MARTINS, R. Desigualdades e discriminação de gênero e raça no mercado de traba-
lho brasileiro no final do século XX. Brasília: OIT, 2003a.
56
MARTINS, R. Desigualdades raciais e políticas de inclusão racial: um sumário da
experiência brasileira recente. [s.l.]: CEPAL, 2003b.
MENEZES-FILHO, N. Equações de rendimentos: questões metodológicas. In: COR-
SEUIL, C. H. L.; SANTOS, D. D.; FERNANDES, R.; MENEZES-FILHO,
N.; COELHO, A. M. Estrutura Salarial: Aspectos Conceituais e novos resultados para
o Brasil. Rio de Janeiro: IPEA, 2002.
MINCER, J. Schooling, experience and earnings. New York: Columbia University
Press, 1974.
MINISTÉRIO DO PLANEJAMENTO, ORÇAMENTO E GESTÃO; INSTITUTO
BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA - IBGE. Características Étnico-
raciais da População: um estudo das categorias de classificação de cor ou raça 2008.
Rio de Janeiro, 2011.
___________. Estudos e tratamento da variável rendimento no censo demográfico
2010. Março, 2012. Acesso em: 9 de novembro de 2014. Disponível em:
<ftp://ftp.ibge.gov.br/Censos/Censo_Demografico_2010/Resultados_Gerais_da_Amostr
a/Estudo_e_tratamento_rendimentos.pdf>
___________. Metodologia do Censo Demográfico 2010. Série Relatórios Metodológi-
cos, v. 41, jan., 2013.
MINISTÉRIO DO TRABALHO E EMPREGO (1999). Portaria nº1.740/99. Brasília,
1999. Acesso em: 3 de novembro de 2014. Disponível em:
<http://portal.mte.gov.br/data/files/FF8080812BE914E6012BEECC06A8760A/p_1999
1026_1740.pdf>.
____________. Manual de Orientação RAIS; ano-base 2010. Brasília, 2011. Acesso
em: 3 de novembro, 2014. Disponível em:
<http://www.rais.gov.br/rais_ftp/ManualRAIS2010.pdf>.
____________. Nota Técnica MTE 093/2014. Brasília, 2014. Acesso em: 3 de novem-
bro, 2014. Disponível em:
57
<http://portal.mte.gov.br/data/files/FF808081475961470147CC2F62B03900/Nota%20T
%C3%A9cnica%20MTE%202013_2.pdf>.
NATIONAL RESEARCH COUNCIL. (2004). Measuring Racial Discrimination. Panel
on Methods for Assessing Discrimination. Rebecca M. Blank, Marilyn Dabady, and
Constance F. Citro, Editors. Committee on National Statistics, Division of Behavioral
and Social Sciences and Education. Washington, DC: The National Academies Press.
OLIVEIRA, L; PORCARO, R. M.; COSTA, T. (s/d). O lugar do negro na força de tra-
balho. Rio de Janeiro: Centro de Estudos Afro-Asiáticos / Conjunto Universitário Cân-
dido Mendes.
OSÓRIO, R. G. O sistema classificatório de cor ou raça do IBGE. In: BERNARDINO,
J.; GALDINO, D. (Org.). Levando a raça a sério: ação afirmativa e a universidade. Rio
de Janeiro: DP&A, LPP, UERJ, 2004.
PAIXÃO, M.; SILVA, G. M. D. Mixed and Unequal: new perspectives on Brazilian
ethnoracial relations. In: TELLES, E. (Org.). Pigmentocracies: ethnicity, race, and color
in Latin America. Chapel Hill/North Carolina: The University of North Carolina Press,
2014.
PAIXÃO, M.; ROSSETTO, I. Levantamento das fontes de dados estatísticos sobre a
variável cor ou raça no Brasil contemporâneo: terminologias classificatórias, qualidade
das bases de dados e implicações para as políticas públicas. In: ENCONTRO ANUAL
DA ANPOCS, 35, 2011.
PAIXÃO, M.; ROSSETTO, I.; MONCORES, E.; CÂMARA, G. C. P. Investigação
sobre qualidade da variável cor ou raça na RAIS através de um estudo comparativo com
a PNAD do IBGE. In: Encontro Anual da ANPOCS, 36, 2012.
PRADO, P. Retrato do Brasil: Ensaio sobre a tristeza brasileira, Novembro de 1928.
Disponível em: <http://www.ebooksbrasil.org/eLibris/pauloprado.html>
RAMOS, L. O Desempenho Recente do Mercado de Trabalho. Revista de Economia
Política (Impresso), São Paulo, v. 29, p. 406-420, 2009.
58
ROSEMBERG, F.; PIZA, E. Cor nos censos brasileiros. Revista USP, São Paulo, nº 40,
p. 122-127, 1998.
SABÓIA, J. L. M., TOLIPAN, R. M. L. A Relação Anual de Informações Sociais
(RAIS) e o Mercado Formal de Trabalho no Brasil. Rio de Janeiro: IEI/UFRJ, 1985.
SCHULTZ, T. W. O Valor Econômico da Educação. Rio de Janeiro: Zahar, 1973.
SOARES, S. O perfil da discriminação no mercado de trabalho: homens negros, mu-
lheres brancas e mulheres negras (Texto para discussão n. 769). Brasília: IPEA, 2000
SOUZA, P. H. G. F. A distribuição de renda nas pesquisas domiciliares brasileiras:
harmonização e comparação entre Censos, PNADs e POFs (Texto para discussão n.
1832). Brasília: IPEA, 2013.
SPENCE, M. Job market signalling. Quarterly Journal of Economics, Harvard Univer-
sity, U.S.A, v. 87, n. 3, 1973.
TELLES, E. Racismo à brasileira: uma nova perspectiva sociológica. Rio de Janeiro:
Relume Dumará, 2003.
TELLES, E. E.; LIM, N. Does it matter who answers the race question? Racial classifi-
cation and income inequality in Brazil. Demography, [s.l.], v. 35, n. 4, nov., 1998.
VALLE SILVA, N. Uma nota sobre “raça social” no Brasil. In: HASENBALG, C.;
VALLE SILVA, N.; LIMA, M. (Orgs.). Cor e estratificação social. Rio de Janeiro:
Contra Capa Livraria, 1999.
VALLE, N. O preço da cor: diferenciais raciais na distribuição da renda no Brasil. Pes-
quisa e Planejamento Econômico, Rio de Janeiro, v. 10, n. 1, abr., p. 21-44, 1980.
